模糊集分类判别方法在土壤化通日期预报中的应用

沈阳地区大田作物总播种面积为28．1万ha，占全地区粮食作物总播种面积的57．9％。大田作物的适播期为4月15日至5月上旬。在一般情况下．此期间的温度条件完全可以满足作物的种子发芽和苗期生长的需要。但对素有“十春九旱”的沈阳地区而言，由于春季多西南大风、升温迅速、土壤水分蒸发剧烈、土壤表墒差，加之此期雨水稀少(正常年份4～5月份总降水量仅占年降水量的13％)，所以在大田作物播种及种子发芽期间常常会因为水分因素使其受到影响．严重时出现等雨种地、贻误农时等情况。针对这一问题，本文应用模糊集分类判别方法，制作了土壤化通日期预报，使农业部门根据土壤化通日期的早晚，利用返浆水适时安排大田作物播种，以达到趋利避害之目的。     

模糊集分类判别的预报方法

最近,我们在做长期天气预报中,应用模糊数学对资料进行了处理,并结合“判别分析的非参数方法”得出了模糊集分类判别的预报方法。该方法主要是计算出各交点的距离,更切合实际地描述了空间点的分布情况,预报效果较好。 一、基本思路 在长期天气预报中,常常要做出降水量、温度等项目的分级预报。模糊集分类判别的预报方法是为解     

判别回归方法在四川盆地大雾预报中的应用

用最近10多年的历史实况资料和四川盆地大雾发生的站数进行相关分析,采用最优分割进行因子筛选,建立了最优判别方程和大雾站数预报的回归预报模型,拟合率较高,残差较小,模型具有较强的预报能力.     

判别回归方法在四川盆地大雾预报中的应用

用最近10多年的历史实况资料和四川盆地大雾发生的站数进行相关分析，采用最优分割进行因子筛选，建立了最优判别方程和大雾站数预报的回归预报模型，拟合率较高，残差较小，模型具有较强的预报能力。     

气象分类预报中的两次判别法

在气象分类预报中,线性判别方法已广泛得到使用。众所周知,二维时,线性判别相当于在平面点聚图上用数学方法寻找区分二类的直线。但是,当事实上(经常如此)必须用曲线进行客观分类时,这种不太符合实际的线性判别法的效果就不会很好。本文介绍并提出在n维空间均适用的非线性分类的数学计算方法;指出这种方法的广泛使用范围;给出在平面点聚图上进行非线性判别的例子;并与线性判别法作了实际比较。     

分类与集成方法在降雨预报中的应用

介绍一种利用数值预报产品进行降雨预报的方法.该方法按照人工智能分类与集成的思想,利用前馈神经网络将T213、日本、德国的数值预报产品集成在一起,构成一个集成型的预报系统.在此基础上,利用高度场的天气形势和预报区域近低层流场和温湿条件,采用自组织神经网络进行天气分型,并针对不同的天气类型选用不同的预报因子,建立不同的预报模型.按照上述方法,选用江淮流域68个站点2003-2005年的5-9月数据,逐站建模,用2006-2007年5-9月的数据进行分级降水试报.各级降水预报结果表明,集成多家数值预报信息好于仅用单一模式的信息,采用天气分型建模优于不分型的建模.因此,多模式(型)预报结果的综合集成方法的研究,是数值预报解释应用中很值得探索的方向.     

分类与集成方法在降雨预报中的应用

利用预报业务上常用的ECMWF (European Centre for Medium-Range Weather Forecasts)全球模式和华东区域模式(WARMS 2.0)的降水预报,建立了基于空间分布相似的降水集成方法,主要分为3个步骤：(1) 实时降水预报场空间尺度分离;(2)检索历史相似预报个例;(3)确定最优集成系数。在第(1)步尺度分离中采用高斯低通滤波方法,将降水场分解成连续性和分散性降水场;第(2)步相似个例检验利用了图像相似技术,根据连续性和分散性降水场综合寻找历史同期相似个例;在第(3)步集成系数确定中根据历史相似个例确定最优集成系数,并应用于最新实时预报中。通过结合图像识别、权重优化、建立历史样本数据库等方法,针对2018—2019年汛期(6—8月)检验结果表明：多模式集成产品的晴雨预报准确率相较于单模式而言有明显提高,且随时间变化表现较为稳定。在暴雨以上量级降水预报方面,集成产品的汛期整体TS评分高于单模式,Bias评分更接近1.0。通过CRA空间检验分析发现,集成产品既能一定程度上弥补全球模式在预报中尺度降水过程时强度偏弱的劣势,又纠正了区域模式在降水落区位置预报方面的偏差,进而实现了暴雨TS评分的提高。

     

Logistic判别模型在强降水预报中的应用

利用Logistiv判别模型进行强降水预报,并设计3种方案进行对比分析。方案1直接使用14个影响因子进行判别预报,受因子共线性作用及噪音信号影响,虽然拟合效果较好,但预报效果明显下降。方案2对14个影响因子进行主成分分析,利用前6个主成分建模,虽然拟合效果较方案1降低,但由于消除了因子共线性作用以及噪音信号影响,预报效果较方案1提高。方案3运用Bootstrap抽样技术得到符干样本并建模计算模型参数,打乱了原有时间序列中的波动,仪保留平稳信息,拟合自由度进一步降低,导致拟合效果较方案案2下降,但预报效果却是3种方案中最好且最稳定的。在上述研究基础上,利用欧洲中心数值预报模式的预报场资料,建立基于Logistic判别模型的强降水客观预报系统,并在中央气象台业务运行。2013和2014年连续两年汛期预报检验结果表明,概模型对强降水预报的TS评分高于数值模式本身,具有一定的业务参考价值。     

动态相似多元判别方法在释用数值预报产品中的应用

考虑环流的动态演变特征在降水预报中的重要性基础上,设计了一种环流演变动态相似多元判别预报方法.用统计方法对历史降水个例的大气环流因子进行分析,在要素场上分别提取4个物理意义清晰、又具有立体性和动态演变性的要素因子,并求出降水天气过程的多元指标.采用要素变化趋势相似标准,以T213数值预报产品为预报初始资料进行计算处理,求出要素的变化趋势和大小,与历史降水的多元指标进行滚动映射和判别,自动预报出各县未来各时段天气,制作阿坝州分县晴雨逐日滚动预报,效果较好.     

动态相似多元判别方法在释用数值预报产品中的应用

考虑环流的动态演变特征在降水预报中的重要性基础上，设计了一种环流演变动态相似多元判别预报方法。用统计方法对历史降水个例的大气环流因子进行分析，在要素场上分别提取4个物理意义清晰、又具有立体性和动态演变性的要素因子，并求出降水天气过程的多元指标。采用要素变化趋势相似标准，以T213数值预报产品为预报初始资料进行计算处理，求出要素的变化趋势和大小，与历史降水的多元指标进行滚动映射和判别，自动预报出各县未来各时段天气，制作阿坝州分县晴雨逐日滚动预报，效果较好。     

支持向量机分类方法在天空云量预报中的应用

以2001年5月1日至2004年12月31日逐日武汉市地面、高空观测资料及欧洲中心24小时预报场等资料为基础,构建了不同的训练样本集,基于支持向量机方法进行了大量多因子的随机交叉验证,从而筛选出了包含最佳预报因子的训练样本集和相应的核参数g,建立了武汉市天空云量的预报模型。交叉验证结果表明预报模型是稳定性的、且具有较好的预报能力和推广应用能力。预报试验和实时预报的结果都显示出SVM方法对天空云量有一定的预报能力。     

模糊集方法在汛期降水预测中的应用

以2004年汛期为例,用上年4月至今年3月的74项月环流特征量与前汛期、后汛期雨量分别作相关场分析,从中找出遥相关系数大于0.3的共75个特征量,用模糊聚类方法计算这些数据矩阵的相似系数,得出类似年份.然后对前汛期、后汛期降水作模糊均生函数模型预测,辅助以主成分降维模型,结合北太平洋海温与崇左市降水的关系、小波分析等,从而最终确定预测结论.预测结果显示,前汛期降水与实况定性正确,定量仅相差0.8毫米;后汛期降水的预报也完全正确,预测与实况都属略少年份.     

模糊集方法在汛期降水预测中的应用

以2004年汛期为例，用上年4月至今年3月的74项月环流特征量与前汛期、后汛期雨量分别作相关场分析，从中找出遥相关系数大于0．3的共75个特征量，用模糊聚类方法计算这些数据矩阵的相似系数，得出类似年份。然后对前汛期、后汛期降水作模糊均生函数模型预测，辅助以主成分降维模型，结合北太平洋海温与崇左市降水的关系、小波分析等，从而最终确定预测结论。预测结果显示，前汛期降水与实况定性正确，定量仅相差0．8毫米；后汛期降水的预报也完全正确，预测与实况都属略少年份。     

支持向量机方法在德阳降水分类预报中的应用试验

本文对支持向量机(svm)分类方法的基本原理作了简要的概述,并依据常规观测资料选取预报因子,以经典统计预报方法的方式,利用svm方法,选取不同的核函数对德阳市雨量分类预报进行试验.Ts评分表明采用多项式内积函数作为核函数构造的预报模型具有较好的预报能力.     

基于最优分割的分类筛选方法在长期预报中的应用

长期天气预报目前虽然已使用统计动力方法进行了大量的实践研究工作,但由于长期天气变化基本理论的匮乏,很难取得进展。在这种情况下,用天气、统计分析方法,找出主要影响因子,进行分类预报的工作受到普遍重视。省内外已就此做了大量工作,主要是基于Fishe或Bayes准则的判别分析和基于各种相似系数的聚类分析。这些工作的共同缺点是在进行分类时所选的因子对预报量各样本均起作用。而相关分析的经验表明,在某些情况下,这一影响因子起主要作用,而在另一种情况下,另一影响因子起支配作用,其它因子的作用可以略而不计。 为弥补上述方法的缺欠,木文介绍一种从最优分割出发的分类筛选方法,並用实例说明了在降水长期预报中的应用。     

利用正交变换的二次判别方法在春季倒春寒长期预报中的应用

运用正交变换的二次判别函数作玉林地区春季倒春寒长期预报，效果良好，可供日常预报工作使用。     

利用正交变换的二次判别方法在春季倒春寒长期预报中的应用

运用正交变换的二次判别函数作玉林地区春季倒春寒长期预报，效果良好，可供日常预报工作使用。     

支持向量机方法在德阳降水分类预报中的应用试验

本文对支持向量机(svm)分类方法的基本原理作了简要的概述，并依据常规观测资料选取预报因子，以经典统计预报方法的方式，利用svm方法，选取不同的核函数对德阳市雨量分类预报进行试验。Ts评分表明采用多项式内积函数作为核函数构造的预报模型具有较好的预报能力。     

MOS预报方法在短期降水量预报中的应用

目前,国内外都在广泛研究推广MOS预报方法,MOS预报是提高要素预报能力的一条有效途径。然而就其制作过程而言,还有许多问题有待进一步研究解决,如最优数学模型的选择问题;因子处理,天气分型的客观合理性问题;以及方程的消空补漏,人机结合问题等。针对上述问题,我们对夏季降水量的MOS预报方法进行了认真的研究。