人工神经网络在温度和降水预报中的应用

利用人工神经网络的ＢＰ网络制作全省温度和降水预报。在作哈尔滨站温度预报时,选取实时高空、地面和欧洲温度场共１０个因子,一天２次发布未来２４ｈ预报。对哈尔滨站共作了１２个月的最高、最低温度预报。在作全省降水预报时,将全省分成８片,分别进行降水等级预报和暴雨有无预报;选用的是Ｔ１０６资料,选取２０个因子,对１９９８、１９９９年的温度和降水预报进行了检验和评分。     

几种降水集成预报方法的对比分析

采用多数表决集成法、评分权重集成法、多元回归集成法对承德市两来系统形成的降水进行晴雨和分级集成预报试验.结果表明:在每种单一的数值预报方法TS值均较高,总体预报质量相差不大的情况下,多数表决集中集成法可大幅度提高预报准确率;如果几种数值预报对于降水分级预报的预报准确率相差较大时,可采用评分权重集成法来提高总体预报质量;在样本足够的条件下,细化的预报结果多元回归集成法是晴雨预报和分级降水预报中比较可行的集成方法之一.     

人工神经网络及支持向量机在降雨量预报中的应用

使用误差反向传播网络(BPN)和约当网络(JN)两种人工神经网络(ANN)以及支持向量机(SVM)对降雨量进行了1h和3h预报的研究,并与交叉相关法(CCM)外推预报的结果进行了比较。针对安徽省2003年6～7月的降水过程,比较了网络(文中指BPN、JN和SVM)和CCM预报降雨量与实况降雨量的雨带分布、强降雨区域和强度;使用命中率(HR)、虚警率(FAR)、漏报率(NAP)、临界成功指数(CSI)、相关系数(CC)和均方根误差(RMSE)这6个指标并结合天气分析检验网络和CCM的预报效果。结果表明:网络和CCM对雨带和强降雨区域的预报比较准确,但是对强降雨中心位置和强度的预报与实况存在差异;在使用HR、FAR、NAP和CSI检验预报效果时设定的阈值对预报结果的评价有影响;预报的中小尺度结构与天气分析的结果一致;网络与CCM以及不同的网络之间的预报结果存在着差异;连续预报的结果表明,与CCM相比,网络对3h预报的效果优于1h的。     

基于神经网络的单站雾预报试验

采集大连某机场2004—2007年大雾、轻雾和无雾天气事件共186例,选取雾天气事件前期(前一日08:00,14:00,20:00(北京时)实测资料)的温、压、湿、风等要素指标为预报因子,基于学习向量量化神经网络(learning vector quantization,LVQ),采用逐级预报思想建立起某机场雾天气事件的预报模型。在网络训练过程中,动态调整网络神经元比例参数,提高模型的预报能力;采用根据检验准确率适时终止训练的"先停止"技术,有效提高了模型的泛化能力。预报试验表明:无论是拟合率还是独立预报准确率,模型均已达到较高水准,具有实际应用意义。     

基于概率神经网络的沙尘天气预报

为了对敦煌地区沙尘天气过程进行预报,构造概率神经网络模型。尝试组合多种预报因子,选取最优预报因子。通过叠套方法进行预报消空,减小冗余的晴好天气样本。使用Matlab神经网络工具箱提供的函数建立沙尘天气预报模型,并采用遗传算法获得模式层最佳平滑参数,来优化概率神经网络模型结构,使概率神经网络的函数逼近能力和网络性能得到提升。以此进行的沙尘天气预报效果较好,准确率达57%以上。     

预报经验在分县预报系统中的应用

利用“92 1 0”工程网络提供的大量气象信息 ,在 MICAPS平台开发分县预报系统 ,是气象业务现代化建设的发展途径。预报经验的应用在分县预报系统的研制开发中起到了决定性的作用 ,使该系统具有较好的稳定性和通用性。     

B-P网络在夏秋季强降水预报中的应用

利用鹤壁1986～1999年夏秋季强降水资料,寻找出鹤壁市夏秋季强降水消空指标和预报指标.利用48 h、24 h夏秋季强降水预报指标和人工神经元B-P网络降水量预报结果,定量做出鹤壁市夏秋季强降水预报.     

多模式温度集成预报

基于中国国家气象中心T213模式、德国气象局业务模式和日本气象厅业务模式2 m高温度预报, 利用神经网络方法中的BP网络建立了我国600多个站的温度集成预报系统, 该预报系统的预报时效为72 h, 间隔为3 h。通过对2004年1—5月的预报结果检验, 表明:集成的温度预报结果明显优于3个模式单独的预报结果, 72 h内预报的平均绝对误差在3 ℃以内, 并且不存在明显的系统误差, 预报达到了一定的精度, 可以为预报员提供定时、定点精细的客观温度预报参考。分区的检验结果表明:不同区域预报误差存在差别, 新疆和西藏误差比较大, 而长江流域和华南地区误差很小, 并且不同区域系统误差的情况也不相同。从总体情况看, 预报误差还存在日变化, 一般来讲, 夜间的预报误差小于白天。     

湘西自治州5—7月暴雨客观自动预报系统

湘西自治州5～7月暴雨客观自动预报系统（以下简称系统）,用Turbo Basic语言编写,DOS下运行,在网络工作站上实现从原始资料到预报结论全过程。该系统客观、自动化程度较高。从实时资料、物理量诊断等信息中自行采集预报参数,对数值预报产品、卫星云图等少量资料采用人机对话方式。并具有自动识别天气系统、判别错情等功能。同时该系统还拥有较为丰富的预报知识,选用高度浓缩的预报因子和因子群,并对逐项知识进行严格和系统的检验及优化。使其具有较高的概括率和准确率。通过1995年5～7月投入业务使用。该系统运行速度快而可靠,得出的预报结论客观、准确。     

江西省新一代中短期预报业务流程介绍

按照中国气象局以数值预报产品为基础,以MICAPS预报人机交互系统为工作平台的思路．建立了包括气候背景、预报思路、天气会商、预报制作和管理5个模块的江西省新一代中短期预报业务流程,并重点介绍了数据转换、综合图定义、参数修改、网络改造等有关的本地化工作,以及包括天气形势描述、要素预报的人机交互修改、全省实况描述的预报制作和预报产品自动或半自动生成技术。     

人工神经网络方法在夏季降水预报虽的应用

在夏季雨型预报中引进了人工神经网络方法,首先,根据雨型与前期环流和海温的关系,从前期冬季资料场中找预报因子;然后,用人工神经网络方法对我国夏季的雨型进行模拟预报,以前４０年资料做训练样本,让网络在一定的学习规则下进行学习。     

用PP法做逐日降水预报

利用欧州中期数值预报格点资料,采用PP法建立了全年分季分站逐日降水预报方程。实际应用时,直接从网络上调取欧州中心500hPa高度场、850hPa温度场、1000hPa气压场48—120h预报场格点资料,可作出一周逐日晴雨、分级降水预报。     

热带气旋预报性能及指标综合评述

热带气旋(TC)位居全球十大自然灾害之首,受到世界范围内的广泛重视。为了解当前国际上TC预报的整体水平,更好地审视我国TC预报的进展及在国际上的位置,基于主要国家和国际机构的TC预报性能评估项目,本文对近年来各预报中心的TC业务预报水平进行了客观对比分析。结果表明,过去十几年来,我国的TC路径预报水平有大幅度提高,已经跻身世界先进行列。各国对TC强度预报性能的提升预计还会经历一个漫长的过程,未来台风风雨预报的评估发展值得期待。     

利用MM5开展精细化预报业务

介绍了怀化市气象台利用中尺度数值预报模式系统（MM5）开展精细化预报制作的情况。提出随着地市气象卫星综合应用业务系统（9210工程）和计算机网络的全面建成。特别是微机版本的中尺度数值预报模式（MM5）在地市级气象台站应用，使得地市级气象台开展精细化预报业务服务成为可能。并简单地介绍了精细化预报的制作方法、预报产品种类、精细化预报产品对外发布的方式以及预报效果。     

近10年中国现代天气预报的发展与应用

近10年来,随着数值预报技术的进步,探测手段的日臻完善和丰富,以及高性能计算机快速发展和应用,现代天气预报技术取得了显著的进步,其中快速更新同化分析和预报、集合预报、概率预报以及数字化预报等新技术的应用,促进了中国天气预报业务水平的提高,在中国防灾减灾、保障社会经济发展和人民安康福祉的气象服务中发挥了重要作用。回顾和介绍了近10年中国现代天气预报新技术,主要包括基于中尺度模式的多源资料快速更新同化预报技术,提供灾害性、极端性天气预报的不确定性信息的集合预报和概率预报技术及高时空分辨率气象要素的数字化预报技术,展望未来发展趋势,以期能够对未来天气预报技术发展提供借鉴和参考。     

因子的可预报性和预报模型适用性研究初探

本文从因子场与预报量场之间的整体相关性着手，通过典型相关分析来提取因子信息，用求得的典型变量作为新预报因子，经试用表明，新因子的可预报性比原因子有明显提高。 在预报模型的选择上，本文提出了依据预报模型对历史样本实际预测精度的优劣来衡量预报模型的预测能力，从而选用对历史样本预测精度较高的预报模型作未来预报。     

驻马店地区中雨以上强降水预报业务系统

在分析１９９０－１９９４年驻马地区夏季中雨以上降水天气的基本天气形势和特点的基础上,建立了驻马店地区中雨以上预报方程玫预报业务系统。系统可显示,打印预报结果,并自动进入地县网络指导县局预报。     

基于COM组件的单站数值预报结果提取与网络动态发布方法

为实现对海量数值预报产品的高效应用和对单站数值预报结果的网络共享,针对ECMWF、T639等数值预报产品特点,创建了一种单站数值预报结果的提取方法,并基于COM组件实现其结果的网络动态发布.本文给出了网络服务器端单站数值预报结果提取COM组件设计的一般思路和关键程序代码,解决了单站数值预报结果的快速提取、直观显示和网络动态实时发布问题.     

用人工神经元网络作西南涡降水量级预报

根据汛期预报服务的需要，引进人工神经元ＢＰ网络，选取经验指标和数值预报产品为预报因子，以西南涡影响下鲁西南地区短期降水量级为预报对象，在对历史样本进行训练的基础上，得到了一个可有效判别受西南涡影响时，鲁西南地区降水量级大小的分类预报网络。方法简便、客观，实际预报效果好。     

基于数值预报及上级指导产品的本地气温MOS预报方法

利用恩施基准站2008—2011年地面实测资料、数值预报产品、上级台站指导产品,采用M(数值模式预报)、E(天气学经验)、D(诊断分析)相结合的方法(简称MED),从气温变化的影响因素如大气稳定度、温度平流、水汽条件等设计具有物理意义的预报因子。或根据需要进行因子的组合叠加利用,并将指导产品直接作为预报因子。利用常规统计预报方法(逐步回归),将高、低温实况作为预报对象来建立地方气温预报模式。结果表明:将天空状况进行分型后建立地方气温MOS预报模型,并对应高低温一般出现时间段来选取数值预报产品因子进行预报,对本地气温预报质量的提高有积极的意义;模型建立过程中,综合采用了MED相结合的方法,并应用了数值预报再加工因子,考虑了天气系统变化对气温的影响,增强了数值预报的解释应用能力;参考客观数值模式产品、上级业务部门指导产品相结合的综合MOS预报方法,建立地方气温MOS预报是提高本地天气预报准确率的有效尝试。检验结果也表明,本地气温MOS预报效果较好,明显高于指导预报,已较好应用于实际业务中。