共查询到20条相似文献,搜索用时 0 毫秒
1.
利用偏最小二乘回归技术,将预报产品作为自变量,相应的自动气象站观测资料作为因变量,对2013—2016年冬季浙江省中尺度区域模式预报近地面风速进行订正和评估。所选956站中多数站点风速订正后有所改善,通过定量分析可知浙江西部地区整体改善效果最好,其中效果明显站点占91. 7%;中部地区改善效果明显站点占86. 5%;东部沿海地区改善效果略差,明显改善的站点占67%。各地级市整体表现均不错,除舟山地区为49.9%外,其他地区风速改善比例均超过50%。选取2017年1月20日浙江东北地区沿海大风过程分析发现订正后的风速与观测风速更为接近,在定海大岛站点(靠里)中表现尤为明显,订正后的结果具有显著参考价值。 相似文献
2.
利用偏最小二乘回归技术,将预报产品作为自变量,相应的自动气象站观测资料作为因变量,对2013-2016年冬季浙江省中尺度区域模式预报近地面风速进行订正和评估。所选956站中多数站点风速订正后有所改善,通过定量分析可知浙江西部地区整体改善效果最好,其中效果明显站点占91.7%;中部地区改善效果明显站点占86.5%;东部沿海地区改善效果略差,明显改善的站点占67%。各地级市整体表现均不错,除舟山地区为49.9%外,其他地区风速改善比例均超过50%。选取2017年1月20日浙江东北地区沿海大风过程分析发现订正后的风速与观测风速更为接近,在定海大岛站点(靠里)中表现尤为明显,订正后的结果具有显著参考价值。 相似文献
3.
文章利用2010年1月1日—2013年12月31日逐日NCEP再分析资料(1°×1°)和大同地区地面常规观测资料,采用BP人工神经网络法建立大同市分站点、分季节日极大风速人工神经网络预报模型并且在对T639数值预报产品和EC细网格数值预报产品释用基础上建立了台站日极大风速的客观预报系统,对2015年9月1日—2016年7月31日进行了24h预报,试用结果显示,各季模式平均绝对误差在3.2~5.7m·s^-1之间,因此,该系统可以为预报员快速做出日极大风速的预报提供客观参考依据。 相似文献
4.
5.
基于2003-2006年逐年1、8月WRF区域数值预报产品和单站观测资料,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,分别按月通过不同长度样本序列建立了台北和厦门站总云量和低云量短期释用预报模型,利用2007年1、8月样本资料对模型进行了预报和检验,并与神经网络方法进行了对比.结果表明:最小二乘支持向量机回归方法的预报效果要好于神经网络方法;两站不同长度样本的总云量和低云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低.可见,最小二乘支持向量机回归在云量等气象要素释用预报方面,具有较好的应用前景. 相似文献
6.
遗忘因子自适应最小二乘算法及其在气温预报中的应用 总被引:1,自引:1,他引:1
海量数据的利用是建立自适应预报模型的基础,但随着数据的不断增加,新引入数据的作用会逐渐降低,有可能导致预报模型失效。为克服因数据量增加引起的所谓"数据饱和"现象对天气预报效果的影响,本文给出了考虑遗忘因子的线性自适应最小二乘建模算法的原理和方法,并利用该算法进行了最高气温和最低气温预报试验。结果表明,考虑遗忘因子的线性自适应建模算法优于传统的线性自适应建模算法,加入遗忘因子可以避免产生"数据饱和"现象,适当地选择遗忘因子有助于提高模型的预报准确率。 相似文献
7.
8.
利用福建漳浦沿海一座测风塔2009年12月—2010年11月的观测资料和中央气象台发布的MM5风速数值预报资料,统计分析了沿海近地层风速和风速数值预报误差的变化特征,统计结果表明:全年和各季节的风速变化具有明显的日变化特征,日最小风速出现在上午至午后,日最大风速则出现在旁晚至凌晨;同时,风速数值预报与测风塔实测风速的误差也存在较明显的日变化特征,这种变化特征与近地层湍流的发生发展有密切联系。在统计分析基础之上,提出一种谐波分析与人工神经网络(ANN)相结合的24 h短期风速数值预报的订正方法,订正试验结果表明:该方法可以每24 h更新一次预报结果,相对于风速数值预报的精度,两次独立样本检验的平均绝对误差分别减小25.6%、28.8%,且订正后使得风速数值预报的系统性偏差有明显下降。 相似文献
9.
《贵州气象》2019,(6)
运用概率统计的方法,检验了的ECWMF、GRAPES和JAPAN模式对于贵州省范围内84个站点的风速预报的平均绝对误差、标准差、相关系数和正确率,EC模式平均误差在-1.9~1.7 m/s之间,GAPES模式在-3.1~0 m/s之间,JAPAN模式在-3~1.9 m/s之间;平均绝对误差EC模式在0.6~2.1 m/s之间,GAPES模式在1.1~3.3 m/s之间,JAPAN模式在0.6~3.1 m/s之间,全省站点相关系数平均数EC模式和JAPAN模式为0.5,GRAPES模式为0.4,风速预报误差绝对值为2 m/s的准确率全省平均值EC为83%,最低为织金的54%;GRAPES模式为56%,最低为长顺的32%;JAPAN模式为75%,最低为长顺的29%。并分9个地州对3个模式的预报效果进行对比,发现EC模式的预报效果明显优于其他两个模式。其中,EC模式对铜仁地区的预报效果最好,黔西南的预报效果最差;GRAPES模式对遵义地区的预报效果最好,毕节地区的预报效果最差;JAPAN模式对遵义地区的预报效果最好,黔西南地区的预报效果最差。3个模式中有两个在黔西南地区的预报效果不佳。运用BP神经网络方式对3种模式风速预报进行订正,对于3个模式订正后的预报效果均有明显改善,其中误差、正确率的改善较为明显,相关系数的提高较小。 相似文献
10.
为了提高风电场风速预报和功率预测的精度和准确率,并考虑风机测风数据的不稳定因素,以多年服务的内蒙古中部某风力发电场A为研究区,在勘察风电场地形及风机布局后,按照季节、风向进行风机间风速时空相关性分析,划分出风机轮毂高度风速高相关为典型特征的风机网格分类片区,采用卡尔曼滤波方法,通过直接和间接两种订正方案,分别进行风机片区风速订正。结果表明:风速高相关风机片区的划分,对于提高风电场风速预报及功率预测精度和准确率具有一定作用,利用风电场区测风塔梯度观测风速,对风机片区进行间接订正,可有效改善数值模式预报风速,15个片区类型下相关系数由0.18~0.72提高至0.67~0.91,误差绝对值由1.6~2.9 m·s-1降低至1.0~1.5 m·s-1。 相似文献
11.
13.
达因仪测定的极大风速除经基线订正外,尚需进行空气密度订正。我们制作了达因仪极大风速空气密度订正表,变乘法为加法,查表容易,计算方便。用本站气压、气温和风速自记数值(已经基线订正,下同),从表中查得订正值后,可按下式算出风速的正确值。即: 风速(米/秒)=风速自记值 订正值例(1)风速自记值为8.3m/s本站气压1036.0mb气温-2.5℃,从表中查得订正值为 相似文献
14.
15.
16.
最优集合预报订正方法在客观温度预报中的应用 总被引:1,自引:0,他引:1
数值模式的直接输出预报在实际应用时常与实况产生一定的偏差,对模式预报进行有效的本地化订正是提高预报准确率的重要手段。以欧洲中期天气预报中心(ECMWF)模式细网格资料,采用最优集合(anolog ensemble,AnEn)预报订正方法对北京市各站1~7 d的日最高气温和日最低气温进行订正,并对相关参数进行了本地化。采用了滑动训练期、优化变量权重两种方案进行训练。检验评估结果表明:(1)滑动训练期采用60 d时能同时保证计算效率和预报准确率;采用最优变量权重方案后,与预报员主观预报准确率对比,AnEn的最低气温优于预报员主观预报,最高气温基本相当;增加训练期的长度(引入多年的历史资料)相比优化变量权重方案能更有效地提高预报准确率。(2)AnEn预报订正方法在改善数值模式预报的固有偏差(如对由数值模式对局地地形、边界层日变化等形成的误差)效果显著,有较好的应用价值;对于因局地天气(如霾、降水、大风等)影响下,AnEn的温度预报准确率虽优于ECMWF,但不如主观预报,未来还有改进空间。还对检验结果进行了时间和空间验证,确保在以后的业务尤其是智能网格预报业务中的运行效果。 相似文献
17.
风电场风速数值预报的误差分析及订正 总被引:2,自引:1,他引:1
使用WRF模式对内蒙古某风电场区域内的2011年1-6月,50m高度的风速进行了模拟,并结合实测风速对模拟结果进行了评估。在此基础上再利用自回归模型(AR模型)和持续法对WRF模式模拟结果进行了订正预报,订正结果表明:AR模型和持续法都能有效地减小WRF模式风速的模拟误差,AR模型订正效果优于持续法。为能对订正预报时效进行延长,提出了"假设观测值"概念。在AR模型的基础上建立一种新的订正模型称之为New AR模型。其订正预报结果表明:新模型能在12h时效内,改善WRF模式风速模拟精度,其中6h的改进效果较好。 相似文献
18.
19.
20.
《高原气象》2018,(5)
通过分析位于复杂地形的南湫、黑崖子和干河口风电场测风塔70 m高度的风速、风向分布特征及风速预报的误差特性,基于卡尔曼滤波方法建立了预报风速的订正模型,对预报风速误差进行了订正。结果表明,南湫、黑崖子和干河口风电场的有效风速时数占全年风速时数的百分比分别达90. 9%,85. 06%和82. 93%;各风电场有效风速时数存在显著的时间差异,夏、秋季有效风速时数最大;南湫、黑崖子和干河口分别可达29. 65%,27. 19%和23. 24%;风速日变化特征差异明显,夏季南湫、黑崖子和干河口风速日变化分别呈多峰多谷(或双峰双谷)、单峰单谷、双峰单谷的分布特征;夏到秋季,南湫主导风向为东南风,黑崖子由偏东风转换为偏西风,干河口主导风向稳定为东风或偏东风。风速阵性特征有明显的季节差异,9月黑崖子、干河口风速的阵性变化较6月强,南湫风速的阵性变化6月比9月强。北京快速更新循环数值预报系统(BJ-RUC)对复杂地形风电场风速预报能力存在局限性,主要表现在预报风速的阵性变化相对较小、风速偏大;经卡尔曼滤波方法订正后,数值模式对风速的阵性预报能力增强,预测风速威布尔分布的形状参数和尺度参数逼近实况风速的分布参数,实况风速和预测风速相关系数最大可提高约15%;预报风速的绝对误差、均方根误差也得到了改善,可降至1. 30 m·s~(-1)和1. 66 m·s~(-1)。 相似文献