用方差分析法预测濮阳市冬小麦播种期降水量趋势

使用1971--2000年濮阳市冬小麦播种期降水量资料，采用方差分析法，按不同长度周期进行排列，求出各个周期的F值，进行F检验定出第一周期，其位相值为第一周期的第一次值。将原序列减去第一周期的位相值作为新序列1，对新序列1再进行不同长度周期排列，求出各个周期的F值，再进行F检验定出第二周期。对第一、二周期进行稳定性检查，采用经稳定后的第一、二周期的第2次值各自外推，求出预报初值，计算出剩余方差，建立预报方程，进而可计算出降水量预报值。经回代检验，历史拟合率为30／30=100％；2001—2005年试报准确率为4／5=80％。     

风电场两种超短期风速预报方法的效果对比

针对风电场所需的时效在0~4 h,且时间分辨率不低于15 min的超短期风速预报。根据测风塔实时发回的实测风速序列,建立了基于BP神经网络的风电场风速时间序列外延预报模型。另一方面,建立 MM5模式预报风速与实测风速的误差序列,并利用BP神经网络作误差序列的外延预报,从而利用误差的预报值对MM5风速预报值进行订正,获得新的预报值。综合对两种方法的预报效果指标分析以及拟合曲线的比较结果表明:使用BP神经网络对MM5风速预报值进行修订的方法在总体上效果较优,特别是当影响风电场的天气系统变化明显,近地层风速变率较大时,该方法的预报效果更具有明显的优势。     

用分类方法制作长期预报

根据１９６０—１９８８年的历史资料，将预报对象进行分类，综合分析各类预报对象与前期月或季的５００ｈＰａ形势场特征的关系，着重研究各类预报对象前期的５００ｈＰａ距平场分布特征及其变化。提出了用分类分析方法制作长期天气预报的可能性和预报指标。     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

威海市春季降水分县预报灰色局势决策系统

应用灰色局势决策系统制作不同量级降水概率预报。根据历史资料统计，确定影响天气系统关键区、天气系统分型，由经验预报知识和日本数值预报产品释用知识建立规则库，进而用灰色局势决策方法分县给出不同降水量级的预报概率，并得出预报结论。经试报，效果明显好于主观预报。     

我国国家级农业气象产量预报科研业务进展

回顾、总结了近年来我国国家级农业气象产量预报科研和业务方面的主要进展。几年来，在产量序列的分解和产量预测方面有所发展，并逐步开发模拟模式在产量变化分析和预测中的应用。在业务建设方面，不断充实历史资料数据库，加强通讯网络建设，并研制了新一代产量预报业务系统（ＷＡＹＰＳ），业务服务水平有了较大提高。     

用方差分析法预测濮阳市冬小麦播种期降水量趋势

使用1971-2000年濮阳市冬小麦播种期降水量资料,采用方差分析法,按不同长度周期进行排列,求出各个周期的F值,进行F检验定出第一周期,其位相值为第一周期的第一次值。将原序列减去第一周期的位相值作为新序列1,对新序列1再进行不同长度周期排列,求出各个周期的F值,再进行F检验定出第二周期。对第一、二周期进行稳定性检查,采用经稳定后的第一、二周期的第2次值各自外推,求出预报初值,计算出剩余方差,建立预报方程,进而可计算出降水量预报值。经回代检验,历史拟合率为30/30=100%;2001-2005年试报准确率为4/5=80%。     

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心(ECMCWF)降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验.结果表明:欧洲...     

欧洲数值预报中心的数值预报产品对广东寒潮预报能力的评估

近两个冬季，我省接连受寒潮袭击，冻害严重，造成直接经济损失之大为历史上罕见，使预报员进一步认识到这个“冬老虎”不能掉以轻心。本文利用获取的欧洲数值预报中心的数值预报产品资料，对广东近六年寒潮和强冷空气的预报能力进行检验分析，希望从中得到有益的启示。1资料和分析样本用欧洲中心（简称EC）数值产品历史和实时资料，选取与冷空气活动关系较密切的海平面气压和850hPa温度两种要素，用其七个时效（客观分析和24、48、72、96、120、144小时预报，以下同）的5。XS”网格格点值，作为本文的分析资料。定当年12月至次年2月作为…     

宝鸡市T213数值预报释用系统接口及界面设计

在各月预报模型库基础上，从MICAPS数据资料接口提取实时预报因子，代入当月预报模型计算。MICAPS数据资料接口共有19种数据文件格式，不同的预报因子为不同的数据文件格式。按文件格式将预报因子分类，又因基本站与气候站资料上传有区别，根据资料情况和数据类型，共建立22个应用程序模块，用来提取实况因子值。     

城市空气质量短期统计预报

文章通过污染物浓度时间序列的持续性和气象要素的相似性，进行了城市空气质量短期统计预报可行性分析。以深圳市空气中可吸入性颗粒物的污染指数预报为例，发展了一个基于MM5输出量的自知识统计模式，该预报方法在预报量本身的持续性水平上，预报效果改进15％左右，效果显著。该方法克服了常规预报方法的地域限制，只要积累足够量的污染场资料和气象要素资料，就可以自动、客观地完成具有一定准确度的空气质量短期业务预报。     

基于贝叶斯理论的集合降水概率预报方法研究

将贝叶斯理论应用到集合降水概率预报方法研究中.采用集合预报资料和历史观测资料,通过建立贝叶斯产品处理技术(Bayesian Processor of output,BPO)降水概率预报模型,将一组集合成员降水确定预报值修订为一组贝叶斯降水概率分布或概率密度的预报,并获得表征每个集合成员预报能力有效信息评分(Informativeness Score,IS).基于IS值对集合成员概率预报信息融合,得到集成贝叶斯降水概率预报,并采用连续等级概率评分(Continuous Ranked Probablity Score,CRPS)方法检验试验结果.结果表明,基于BPO方法得到的集成贝叶斯降水概率预报可靠性高于由集合预报得到的直接概率预报.     

利用多时次资料的EOF迭代温度长期预报

考虑多时次历史资料，基于ＥＯＦ迭代方案，将观测事实与统计方法结合，建立预报因子与预报对象的联系，开展长期预报试验。对四川盆地夏季温度的预报表明：这种容纳多时次资料、基于ＥＯＦ迭代的物理－统计预报方法是一种有效的长期预报途径。     

鹤壁市汛期暴雨预报方法及自动化预报系统

利用６￣８月历史天气资料，探讨了鹤壁市汛期暴雨天气的特点，分析了各类暴雨的前期环流特征并建立了预报方法。预报流程实现了自动化，增强了预报时效性。     

5天平均高度场在中期趋势预报中的应用

采用相似预报技术，用500hPa侯平均格点资料作为历史样本资料，国家气象中心下发的候平均实产史资料和侯平均预报资料以及用欧洲数值预报中心的500hPa格点资料得到的5d平均资料作为3种寮时样本资料，通过相似比较得出相似历史个例，最后通过综合判别得出全省各片中期天气趋势预报结果，此方法在2000年汛期用于中期降水趋势预报，3个月的各片平均趋势预报准确率达67%，并且该方法对天气过程有较好的预报能力。     

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，     

对T213降水预报产品短期预报水平的评估

将T213降水预报资料插值到孝感市各测站上，对24h、48h降水预报做了客观统计检验。分析结果表明：T213对孝感市有无降水预报具有较好的指导意义；强降水48h预报有比较好的参考作用。通过的降水预报误差的分析发现，在一般情况下，T213降水预报值要比实况偏大。     

用方差分析周期及随机时间序列法作赫章6—8月总降雨量预报

用方差分析周期法对赫章县３６年６－８月总降雨量进行周期分析,得出６－８月总降雨量变化以６年主周期,７年为校正周期。然后对原序列中周期不能拟合的部分运用随机时间序列进行处理,将两种方法的值叠加作预报,效果较好。     

用拟合误差分析寻找周期作七月雨量预报

自然界存在着很多周期变化的现象，如果知道了周期循序演变的位相，就能从目前的状态预报了一个状态．寻找周期用得最多是方差分忻，但从预报的拟会角度考虑，应用拼合误差寻找周期，更有合理之处，而且运算简便，更适合是站。现以我市7月雨量预报为例，介绍其运算步骤：1应用拟合设基值，寻找主要周期将赤水站历年7月雨量（以毫米为单位，小数四舍五入）按2、3……11年周期排列．分别计算各周期各级平均值以及总离差价（取绝对值）．这个“总离差和”称之为拟会误差。显然，误差越小，周期序列越能反映过去7月雨量的年度情况．经过各周期拟…     

基于主分量的神经网络水位预报模型应用研究

根据气象和水文资料，以上游面雨量、水位值为预报因子，以西江流域的梧州水位为预报量，发现预报因子与预报量有很好的相关性。采用人工神经网络与主分量分析相结合的方法，建立了梧州水位的预报模型。结果表明，该预报模型对历史样本拟合精度高，试报效果及预报稳定性明显好于传统的神经网络预报模型，可在预报业务中应用。