防城港市冬半年沿海风力的卡尔曼滤波预报方法

应用卡尔曼滤波方法，对T63数值预报产品进行解释，制作防城港市各半年36～132小时日平均、日最大风力的定量预报。1995年11月和1996年1月的试报结果表明，卡尔曼滤波的预报精度达到了较高水平，对冬半年沿海偏北强风天气过程有较好的预报效果。     

数值预报产品在冬半年暴雪预报中的释用

利用天气学原理分型统计了1981～2000年鹤壁市12h暴雪预报指标，采用N-T方法对T213和HLAFS数值产品预报场进行反演，并应用于2002年冬半年12h暴雪分段预报中，还对两种数值产品的预报效果进行了对比检验。     

黄河三角洲冬半年降水预报系统

利用1986—2000年高空和地面资料,用动力相似方法制作出黄河三角洲冬半年分县降水预报,经过业务应用,降水预报准确率在59.2%～72.4%之间,接近或达到预报员的一般水平,对预报员制作降水预报具有较好的参考价值。     

用卡尔曼滤波方法制作河南省冬半年大风预报

在分析河南省冬半年大风的天气气候特征的基础上，筛选出与大风相关性较好的预报因子，采用卡尔曼滤波方法，制作河南省冬半年大风预报，在一定程度上实现了灾害性天气预报的定点与定量。     

卡尔曼滤波方法在风的短期预报中的应用

应用卡尔曼滤波方法,结合Ｔ６３Ｌ１６数值预报产品,制作了东营市风的短期预报递推系统。经试用预报精度高于同期电视天气预报,结果令人满意。该方法制作简便,对季节变换和数值模式的变更适应性强,优于传统的统计方法,开拓了卡尔曼滤波方法及数值预报产品释用的前景。     

用卡尔曼滤波方法制作河南省冬半年大风预报

在分析河南省冬半年大风的天气气候特征的基础上,筛选出与大风相关性较好的预报因子,采用卡尔曼滤波方法,制作河南省冬半年大风预报,在一定程度上实现了灾害性天气预报的定点与定量.     

卡尔曼滤波方法在风的短期预报中应用

应用卡尔曼滤波方法,结合Ｔ６３Ｌ１６数值预报产品,制作了东营市风的短期预报递推。经试用预报精度高于同期电视天气预报,结果令人满意。该方法制作简便,对季节变换和数值模式的变更适应性强,优于传统的统计方法,开拓了卡尔曼滤波方法及数值预报产品释用的前景。     

甘肃冬半年重要天气预报系统简介

用ＥＣＭＦ作为基本资料,对北半球超长波进行分型后,做寒潮中期预报。并对伴随寒潮天气出现的灾害性天气采取逐步逼近的预报方式,制作了冬半年天气服务预报系统,实现了预报客观自动化。     

卡尔曼滤波方法在温湿度预报中的应用

采用卡尔曼滤波方法,对北京地区的温湿度作了预报试验。结果表明,该方法不需很多样本即可得到较好的预报方程,预报误差比较稳定,对最低,最高温度,相对湿度等连续性气象要素有一定的预报能力。     

卡尔曼滤波在最低气温预报中的应用

用卡尔曼滤波方法制作１９９７年１２月－１９９８年２月商丘市逐日最低气温２４ｈ预报,其预报准确率比常用的ＭＯＳ方法提高３％～４％。     

卡尔曼滤波技术在暴雨中期预报中的应用

在河北暴雨中期预报系统中,应用卡尔曼滤波技术对ＥＣＭＷＦ５００ｈＰａ高度预报场进行了订正。通过对ＥＣＭＷＦ５００ｈＰａ高度场的多种订正试验,分析比较未订正的和各种不同订正方案的高度预报均方根误差,证明卡尔曼滤波双因子订正对于提高暴雨预报能力是有效的。     

卡尔曼滤波方法预报因子的选择

利用ECMWF格点资料，设计了5种不同的预报因子选择方案，运用卡尔曼滤波方法制作1999年11月－2000年2月逐日14时温度预报，通过考察准确率，均方差，平均绝对误差，确定了最优因子选择方案。     

用卡尔曼滤波制作分县温度指导预报的研究

采用卡尔曼滤波方法建立预报模型，制作出全区分县温度指导预报。通过试运行，并对吕梁地区2002年7月份全区气温预报结果进行检验，系统基本达到预期的效果。     

用卡尔曼滤波制作河南省冬春季沙尘天气短期预报

在分析河南省冬春季沙尘天气气候特征的基础上，筛选出T213数值预报产品中与风速和能见度相关性较好的预报因子，采用卡尔曼滤波方法，分站建立了河南省冬、春季的风速和能见度短期预报方程，并利用相应的沙尘天气分级量化标准，在一定程度上实现了河南省冬、春季沙尘天气的短期分站、分级预报。业务运行时，又增加了两条判别指标进行后处理，有效地消除了液滴对能见度预报的影响，提高了沙尘天气预报的准确率。     

集合Kalman滤波同化理论及其数值试验

集合Kalman滤波用于数值试验有着坚实的理论基础.本文介绍了集合Kalman滤波理论及其技术实现, 在此基础上搭建了集合Kalman滤波同化系统, 用MM5模式同化了实测探空资料并作了48 h的预报试验, 并将预报结果与实测值及4D VAR同化的结果作了比较.试验结果表明: 集合Kalman滤波同化探空资料可以改进MM5模式的预报效果, 且集合Kalman滤波同化后模式的预报效果明显优于4D VAR同化后模式的预报效果.     

卡尔曼滤波在短期气候预测中的应用

用PRESS准则和最优子集回归选取预测因子,建立河西走廓东部月平均气温的卡尔曼滤波预测模型,经实际使用发现,该预测方法的精度较高,稳定性较好,为短期气候提供了一种新的思路和方法。     

多物理ETKF在暴雨集合预报中的初步应用

基于集合转换卡尔曼滤波（ETKF）的初值扰动方法是目前集合预报领域热点方法之一,但应用在短期集合预报中仍存在离散度不够、误差较大等问题。考虑到在区域短期集合预报中,模式不确定性和边界不确定性的影响不能忽略,本文尝试在ETKF生成分析扰动的过程中,同时考虑初值不确定性、物理不确定性与边界不确定性,进而构建多初值、多物理、多边界ETKF集合,并以2010年9月30日到10月8日海南岛特大暴雨作为研究个例,对其在暴雨集合预报中的应用展开初步研究,重点分析多种物理参数化过程对预报结果的影响。结果表明,多物理过程的ETKF（多物理ETKF）和单物理过程的ETKF（单一ETKF）均优于对照预报,多物理ETKF优势更加明显,其均方根误差、离散度等指标均得到很好的改善;对于降水采用SAL方法进行检验,发现多物理ETKF对于降水位置的预报有明显的改善,对于特大暴雨的强度预报也略有改善。研究表明,在ETKF初值扰动中加入多种物理过程,可以有效改善短期集合的离散度,提高预报准确率,有良好的发展前景和应用潜力。     

称重雨量数据处理卡尔曼滤波应用

降雨量的测量,目前业务上应用较为广泛的是翻斗式雨量计,它只能测降雨,对于冰雹、降雪等固态降水的测量采用人工观测为主,称重式雨量计与翻斗式雨量计相比,其优势在于能实现所有类型降水的全天候自动化观测。本研究随机选择了一天无降水数据确定了滤波参数Q和R(过程噪声方差和观测噪声方差),根据确定的滤波参数,随机选择了无降水(2016年4月3日)和有降水(2015年7月21日、2015年8月7日)日采用卡尔曼滤波,并结合翻斗雨量传感器数据进行验证,结果表明,本研究确定的滤波参数采用卡尔曼滤波后能够有效去除称重雨量中的噪声,使滤波后的曲线变得平稳光滑,减小了数据的抖动频率和误差。