山东省春季降水量与前期北半球500hPa月平均高度场的相关分析及其预报

在普查山东省春季降水量与上年１月至当年１月各月北半球５００ｈＰａ月平均高度场相关的基础上，分析了两者关系的时间变化和空间分布，并选择相关显著性达信度α＝０．０５以上，空间分布有５个格点以上成片的区域作为相关的关健区，用各关健区所有格点的高度距平平均值分别组成时间序列，这样的相关因子序列共有２９个。用ＥＯＦ分析方法对相关因子提供的预报信息进行浓缩，利用其主成分和春季降水量的相关进行建模预报，取得了良好的试报效果。     

BP模型双样本训练方法

根据气象预报应用情况，分析ＢＰ模型训练人工神经元网络中存在的问题，并提出双样本训练方案。试验表明，采用双样本训练的网络，实际预报能力较高。     

利用最优子集回归作鲁南夏季降水量预报

通过普查北半球５００ｈＰａ、１００ｈＰａ月平均高度场与鲁南夏季降水量的相关，选取相关信度达到０．０５的相关区的格点平均高度值作为预报因子，利用最优子集回归建立鲁南夏季降水量预报方程，并投入业务运用，通过与逐步回归方法比较得知，最优子集因归比逐步回归具有更好的预报效果。     

500hPa高度场与中国西北春季降水量的耦合特征

对近３５年（１９６１￣１９９５）春季西北降水量和同期与前期冬季的北半球５００ｈＰａ高度场进行奇异值分解（ＳＶＤ）,得到了同期和前期５００ｈＰａ高度场与西北区春季降水场的高相关区域,分析两场之间的耦合关系,寻找出有预报意义的环流特征和关键区。     

人工神经元网络在辐射雾预报中的应用

云、能见度和风是影响飞行活动最经常的３个气象要素,雾的预报是飞行气象保障的重要部分．在实际预报中通常考虑辐射雾、平流雾和锋面雾,而辐射雾的形成往往没有较明显的天气系统,但与本站的气象条件有较大的联系,这就使得辐射雾预报较为困难．人工神经元网络是在近十几年得到迅速发展的一门非线性学科．由于人工神经元网络的非线性使得它具有更好的拟合能力,因此被应用到气象预报中．本文应用反向传播人工神经元网络（ＢＰ网络）建立冬季辐射雾的人工神经元网络预报系统．１　预报因子和训练样本的选取辐射雾是在无风（风较微弱）的夜…     

用北太平洋海温场资料制作月降水量预报

使用东营市1963-1996年逐月降水量资料和1962-1996年北太平洋海温资料，采取滚动式相关分析方法，建立了备选因子集。另外，应用逐步回归、最优子集回归、人工神经元网络、多因子EOF迭代等四种统计方法，分析了东营市月降水量与北太平洋海温场的关系。结果表明：东营市月降水量与北太平洋海温场存在显著相关；采用四种统计方法制作东营市月降水量预报，其预报效果均较好。     

B－P神经元网络在山西省暴雨预报中的应用

Ｂ－Ｐ神经元网络是一种解决非线性问题的数学模型，我们在暴雨预报中，以它的自学习功能为主线，结合预报员的预报经验，选择有利的气象因子，利用１９８０～１９９２年的历史气象资料，初步完成了Ｂ－Ｐ神经元预报暴雨的模型。     

B—P神经元网络在山西省暴雨预报中的应用

Ｂ－Ｐ神经元网络是一种解决非线性问题的数学模型，我们在暴雨预报中，以它的自学习功能为主线，结合预报员的预报经验，选择有利的气象因子，利用１９８０￣１９９２年的历史气象资料，初步完成了Ｂ－Ｐ神经元预报暴雨的模型。     

陕西省人工神经元网络降水年,季度预报系统

利用Ｂ－Ｐ人工神经元网络进行了陕西省年度,季度降水预报试验,提出了利用０－１模型解决多等级预报问题的方法,并建立了年度,季度等级预报模型,经过试验,表明该方法预报效果良好,最后对模式在应用中的一些问题及目前其它预报模型的差异等进行了讨论。     

人工神经元网络在实际业务预报中的效果检验

人工神经元网络在实际业务预报中的效果检验刘恭淑（山东省气象台．济南．２５００３１）人工神经元网络的模式识别被引进到天气预报中后，我省已先后研制了多种客观预报方法并在实际业务预报中试用。其中，“山东中西部雷雨、冰雹人工神经元网络预报系统”，主要用于预报...     

2002年主汛期国家气象中心主客观降水预报对比检验

主要就2002年主汛期(6—8月)对国家气象中心预报员和数值预报(HLAFS、HLAFS0．25、T106和T213)产品进行全国和分区统计学检验和对比分析评价。对于全国降水平均检验结果而言，主客观降水预报TS评分均随降水量级的增大和预报时效的增加而下降。对于各级降水，预报员评分最高，其次是T213，HLAFS0．25列第三位(大暴雨除外)，T213较T106、HLAFS0．25较HLAFS0．5的降水预报都有明显的提高，说明改进的数值预报系统的降水预报水平有了较大的提高。与2001年汛期比较，预报员的小雨预报进步明显，暴雨、大暴雨的24小时预报也有一定的提高；T213则在中雨预报上有所改进，大雨及暴雨的24小时预报也有提高，其余预报的TS评分不及2001年。从分区的检验结果来看，南方各区的预报评分远高于北方各区的评分，预报员在长江中下游和华南地区的各级降水预报中具有明显的预报优势；北方各区的降水评分以T213预报略好，HLAFS及HLAFS0．25在西北地区东部暴雨预报中表现出色。     

HLAFS显式云降水方案及其对暴雨和云的模拟(I)云降水显式方案

将三套显式云降水方案移植、耦合到国家气象中心业务有限区数值预报模式HLAFS中, 显式云降水方案包括双参数暖云方案、简化混合相云方案和双参数混合相云方案,明显地改进了原模式预报系统的湿物理过程,特别是对云降水过程的模拟能力.详细介绍了这三套云降水方案的物理过程,以及与动力框架的耦合.     

HLAFS和T63数值预报产品在暴雨分析中的应用

首次使用ＨＬＡＦＳ数值预报产品对黑龙江省暴雨进行分析，结合Ｔ６３数值预报产品，利用两者提供的物理一０８时和２０时的实况场和预报场格点资料，对黑龙江省一次暴雨过程进行分析，找出了暴雨发生的物理机制，指出深厚的水汽条件以及水汽的辐合，强烈的上升运动和不稳定能量的存贮和释放是产生暴雨的关键因素。     

数值预报产品效果检验及在降水预报中的应用

通过对目前天气预报业务中使用的Ｔ１０６、ＨＬＡＦＳ和日本模式三种数值预报产品对烟台市降水预报效果的检验、对比和分析,发现：数值预报产品在暴雨和一般降水预报中有一定指导作用;暴雨和一般降水预报效果都是日本模式好于ＨＬＡＦＳ,ＨＬＡＦＳ好于Ｔ１０６;三种预报产品对低压或倒槽型的降水预报准确率普遍较高;当三种预报产品均预报有降水时,其出现降水的准确率为７５．９％。     

数值降水预报结果的并集集成方法及其试验研究

介绍了并集集成方法的基本原理和使用范围。在此基础上,利用2003～2005年T213、HLAFS、MAPS的降水预报资料,在孝感站进行了降水集成预报试验。结果表明:并集集合的预报能力比单个成员明显增强,集成预报效果总体上比任何单一成员的预报效果好,订正权重计算集成预报的TS综合评分比T213、HLAFS、MAPS提高了0.054、0.089、0.115,且预报性能较为稳定,可为降水预报提供客观依据。     

东营市森林火险天气等级预报系统

利用9210传输的气象资料，选用国家气象中心T106和HLAFS数值预报产品中的要素作为火险天气因子，根据森林火险原因，建立了东营市森林火险天气等级预报系统。     

山东省冰雹客观分县预报系统

应用多指标叠套法和权重系数法及PP预报方法和HLAFS数值预报产品建立了山东省冰雹客观分县预报系统。预报试验和业务运行结果表明，该系统有一定的预报技巧。     

从’98特大洪水中看改进的HLAFS数值降水预报的性能

文章对1998年大洪水期间改进的HLAFS[1]的降雨预报产品进行检验.结果表明, 改进的HLAFS对松嫩流域的暴雨预报较好, 中到大雨则是长江中下游地区预报较好, 而三峡库区相对较差; 对于主要降雨过程降雨区的强度预报往往比实况弱, 且其落区约有半数较实况偏北, 但其轴向一般与实况一致; 改进的HLAFS对小雨预报比原HLAFS好, 对中雨和暴雨预报也有不同程度的改进; 整体预报面积偏大和大雨以上降水预报准确率低仍是HLAFS有待改进的问题.对三峡库区面降水量预报, 半数左右的预报较好; 对大量级降水预报往往偏弱, 而小量级则相反     

HLAFS显式云降水方案及其对暴雨和云的模拟(II)暴雨和云的模拟

在HLAFS业务数值预报模式的动力框架下,利用文章(I)所述的显式云降水方案,对一次暴雨过程和伴随着的云物蓝砸淮伪?雨过程和伴随着的云物泪果表明,显式方案对降水落区和强降水中心位置的预报较原HLAFS的大尺度饱和凝结方案有明显改进.模式能合理地揭示出暴雨发生、发展过程中的云系演变规律和云物理过程.冰相过程对降水、中尺度热力和动力场有明显影响,特别是冰相过程有利于降水的早期的形成速率.与卫星TBB资料的对比分析表明,引进显式方案后,模式能较合理地模拟出云系的轮廓、位置、范围、强度、生消和移向,模式模拟出的云顶温度与卫星测量出的云顶温度较为一致.     

1996年汛期暴雨特征分析

该文利用实测资料，采用ＨＬＡＦＳ模式计算的物理参数分析了１９９６年汛期暴雨的天气气候特征并对梅雨活跃时段４次强降雨天气过程及９６０８号台风强暴雨的成因进行了诊断分析，所得结果有利于实时预报业务和科研工作。