利用卡尔曼滤波方法制作防城港市气温的定量预报

利用卡尔曼滤波方法对Ｔ６３数值预报产品进行统计释用，制作１９９６年１月逐日３６～１３２小时日平均、日最低气温预报，对预报效果作初步的分析研究。结果表明：卡尔曼滤波的预报精度达到较高水平，它的应用，将大大提高冬半年冷空气、低温冷害、秋季寒露风天气、春播期低温阴雨过程的中短期预报服务水平。     

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。     

以T63产品为因子用卡尔曼滤波方法作温度预报

以Ｔ６３数值预报产品为因子，用卡尔曼滤波方法建立可更新因子系数的预报方程，做４８ｈ的温度预报。     

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.     

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。     

用卡尔曼滤波方法作温度预报

针对以往温度定性预报的不足，应用欧洲数值预报产品资料，用卡尔曼滤波的方法对齐市的温度作出了逐日定量预报。预报结果接近主观预报结果，有实际的应用价值。     

卡尔曼滤波方法在逐日极端气温预报中的应用分析

利用国家气象中心的T63数值预报产品，采用卡尔曼滤波方法，建立了内蒙古地区（35个站）的逐日极端（日最低、日最高）气温24小时预报方程。于1996年3～11月进行业务试运行，预报结果令人满意，表明该方法有一定的参考和实用价值。     

用卡尔曼滤波法作逐日极端气温的预报

取T63模式的格点预报资料和个别实时气象数据，利用卡尔曼滤波方法试作梧州市1～2月份极端气温的24小时逐日预报，效果不错；同时获得了一些有助于日后更好地运用该方法及利用T63预报产品进行预报的初步结论。     

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％。     

用卡尔曼滤波方法作铜川分县温度预报

利用 T1 0 6产品 1 999年 6、 7月资料 ,用多元回归法分别建立了铜川 3站 2 4、 4 8h最高、最低气温预报方程。用卡尔曼滤波方法进行迭代订正回归系数 ,建立了动态的温度预报方法。在1 999年 8月试报中平均绝对误差为 1 .3℃。     

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。     

利用海温作山东半岛气温,降水预报的业务系统

通过分析太平洋海温与山东半岛气温和降水的相关性，找出了两者相关关系中的一些特点。用于制做月平均气温和月降水量的预报系统，在预报业务中取得了很好的预报效果和经济效益。     

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。     

以T42产品为因子用卡尔曼滤波方法作温度预报

本文以Ｔ４２数据预报产品为因子，用卡尔曼滤波方法建立可更新系数的预报方程作南京和芜湖的温度预报。从１９９４年１月至４月共８４次试报中，用完全相同的因子卡尔曼滤波方法比回归分析方法预报结果精度提高０．５度。     

用逐日滚动多元回归方法制作黔南地区中、短期温度预报

从气象应用角度介绍了一种基于卡尔曼滤波思想的制作线性连续常规天气要素的客观定量预报方法——滚动多元回归方法。并用其建立了贵州黔南地区12个站的最高气温、最低气温、平均气温预报模式，通过效果分析得出其最低气温、平均气温的预报效果较好，最高气温的预报效果差些。但该方法既保留了卡尔曼滤波方法的优点，又克服了矩阵变换对计算条件的要求，具有简单、易行的特点，适合于计算条件较差的地级气象台开展温度、湿度等线性连续常规天气要素的客观定量预报。     

卡尔曼滤波方法在制作中期温度预报中的应用

在日常预报业务中，常常使用ＭＯＳ预报方法来作局地地面气象要素预报。但ＭＯＳ方程的不稳定是人们关注的焦点问题，ＭＯＳ方法的不稳定为自两方面；其一，数值模式的改变。随着数值预报的发展，一个模式一年之内将１－２次较大的修改，模式输出产品的特征有之变化，以致破坏ＭＯＳ方程的稳定性；第二，随着资料的增加，ＭＯＳ方程也随着变化，因此，如果能建立一个随时间变化的预报模型，不因数值模式的改变或者资料的增加而变化，     

卡尔曼滤波方法在温度预报中的应用

应用卡尔曼滤波方法,结合欧洲中期数值天气预报中心的数值预报产品,尝试建立西安２４ｈ最高／最低气温预报方法,取得了比较满意的效果。表明卡尔曼滤波方法具有建模简单方便等特点,同时卡尔曼滤波方法对温度和季节变化和数值预报模式的变化都具有很强的适应能力,与动力统计方法（ＭＯＳ、ＰＰ等）相比较具有较大的优势。在数值预报产品的解释应用中有广阔的前景。     

用图型聚类法作气温变化趋势的概率预报

利用相似概率预报原理,通过图型聚类方法制作了河北省分冷暖季节,分辨站点的气温变化趋势的客观概率预报,１９９８年暖季开始试应用,暖季预报的布赖尔等评分结果表明,图型聚类方法是制作气温变化趋势概率的合理可行的方法。     

单站气温短时预报的气候统计方法

在分析单站气温变化基本特征的基础上，划分了云量、风向风速等对温度变化影响的分级，统计了各季节3小时的分类气温平均变量，研究探讨采用分类气温平均变量制作3小时短时气温预报的客观统计分析方法，经检验、试用效果良好。