基于小波分析的组合随机模型及其在径流预测中的应用

提出了一种随机组合预测模型利用Mallat算法对水文时间序列进行多尺度分解,得到对应尺度下的概貌(低频)分量和细节(高频)分量;分别对概貌分量和细节分量建立随机模型进行预测,预测结果的叠加即为原水文变量的预测.将该模型用于黄河三门峡站年径流预测中,并与传统预测模型进行了对比分析,结果表明,建立的组合模型充分利用了现有信息,预测精度高.     

组合预测最优权系数的非线性规划确定方法及其在农气预报上的应用

本文利用非线性规划理论对组合预测最优权系数的确定进行探讨,通过Kuhn—Tucker条件,将原来较复杂的组合预测中确定最优仅系数的二次规划模型转化为较为简单的线性规划模型,并将这一模型投人作物产量预报实例中.     

基于集合经验模态分解和自回归-移动平均模型的COVID-19流行病全球预测系统预测结果改进

2020年,新型冠状病毒肺炎(COVID-19)在世界范围内迅速传播.为准确预测各国每日新增发病人数,兰州大学开发了 COVID-19流行病全球预测系统(GPCP).在本文的研究中,我们使用集合经验模态分解(EEMD)模型和自回归-移动平均(ARMA)模型对GPCP的预测结果进行改进,并对发病人数较少或处于发病初期,不...     

不同气象预测数据源对山地风电场风速预测准确率的影响分析

在影响风电功率预测准确率的因素中,气象预测数据源的选取和组合影响较大.基于广西A、B两个山地风电场2020年2月1日至3月15日15min实测风速、4种单一气象数据源及3种混合订正气象数据源的预测风速,分析不同气象预测数据源对风电场风速预测准确率的影响.结果表明,多种数据源混合订正预测结果总体优于单一气象数据源预测结果...     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

中国农业受灾与成灾面积预测研究

文中运用SAS软件建立了中国农业受灾面积非线性回归预测模型及成灾面积一元回归预测模型。前者运用SAS软件的时间序列方法、回归分析方法和时延神经元网络方法,分别建立了4个农业受灾面积预测模型。在运用各模型进行模拟预测的基础上,运用组合方法建立组合预测模型,得到农业受灾面积的集成预测结果,从而克服了单个预测模型的偶然误差,提高了预测结果的精确性和可靠性。2000年农业受灾面积的预测值为5322.37×10~4hm2;后者根据中国1951～1999年农业受灾、成灾面积资料,用SAS的REG过程拟合受灾面积与成灾面积的关系,预测未来成灾面积。2000年农业成灾面积预测值为2479.47×10~4hm2。经检验,模型预测效果良好,根据预测结果可以采取有针对性的减灾措施,减少灾害损失。     

新疆阿勒泰地区山绵羊死亡率灰色马尔柯夫预测

灰色ＧＭ（１，１）预测与马尔柯夫预测的优点可以相互补充，将两者结合起来对随机性和波动性较大的数据序列进行预测，精度更高。本文采用灰色与马尔柯夫两种预测的组合模型，对新疆阿勒泰地区山绵羊死亡率的时间序列进行了分析，并预测了１９９２的可能死亡率情况，为该地区畜牧业生产发展和防灾减灾提供了科学依据。     

基于CEEMDAN-SE-ARIMA组合模型的东北夏季降水预测

针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征模态分量,并根据不同分量样本熵的计算结果进行分量序列重构。然后,针对每一个重构分量,构建自回归移动平均预测模型。最后,将各分量的预测值进行叠加,得到组合模型的预测值。此外,还构建了ARIMA单一模型和其他组合模型,旨在与CEEMDAN-SE-ARIMA组合模型对比。结果表明：CEEMDAN-SE-ARIMA组合模型考虑了时间序列的模态混叠特征,能有效提高东北地区夏季降水时序模型的预测能力,具有良好的预测应用价值。预测结果较单一模型和其他组合模型均有所提高,MASE降低了0.02～0.91 mm, RMSE降低了0.80～130.49 mm, MAE降低了2.52～129.84 mm, MAPE降低了1.08～35.53 mm。CEEMDAN-SE-ARIMA模型在降水变率较小的西北部区域预测效果更好,对东南部区域的极值分布中心预测较为准确。     

我国粮食产量综合预测系统

介绍了我国粮食产量综合预测方法及其预测系统的结构与特性。系统的模型体系包括气象预测模型、社会经济因素预测模型、社会经济和气象因子综合预测模型,通过实例分析了这３个不同预测模型的历史拟合情况和预报效果。结果表明,综合模型的预测效果比单一模型好,但其业务化程度较低,需要进一步改进。     

最优加权组合预测方法在气候预测中的应用研究

把组合的方法引用到夏季降水预测综合集成研究中,讨论了最优加权方法的性质和特点,计算结果表明组合预测可以提高综合预测结果的可靠性和准确率,在气候预测业务与研究中有一定的使用价值。     

基于CFD动力降尺度的复杂地形风电场风电功率短期预测方法研究

复杂地形导致近地层风场时空变化大,是影响风电场短期风电功率预测准确率的重要因素。为此,基于中尺度数值预报模式和微尺度计算流体力学模式,建立了风电场短期风电功率动力降尺度预测系统。该系统由中尺度数值预报模式、微尺度风场基础数据库、风电功率预测集成系统组成,能够预测复杂地形风电场中每台风电机组未来72 h逐15 min的发电量。提高了复杂地形风场发电功率预测准确率,同时还可以在上报电网的风电功率预测结果中考虑运行维护计划和限电等因素对实际并网功率的影响。2014年7月-2015年1月的业务预测试验表明,风电场短期风电功率动力降尺度预测系统的月预测相对误差均小于0.2,满足中国国家电网对风电功率预测误差和时效性的业务要求。动力降尺度技术不受具体项目地形复杂程度和历史观测数据样本量的限制,可以在新建风电场中推广应用,具备实际的可操作性。      

基于WebGIS技术的精细化高速公路气象服务系统

根据交通气象服务的特点,研究开展高速公路交通气象服务的思路和技术方法。通过研究高速公路交通气象观测网组网原则及站点选择规则,建成交通气象观测网。采用降水、能见度、路面温度、大风等高影响气象因子,建立高速公路通行气象条件模型,根据基础地理数据、气象监测实况数据、精细化模式集成预报数据、灾情调查等数据,利用Flex Builder 4. 6为开发工具,设计开发了一套基于Web GIS技术的以精细化预报为核心的交通气象灾害监测预警服务系统。该系统实现了对高速公路的实况天气监测、精细化数值天气预报及灾害性天气预警三大功能,实现了全自动、智能化的精细化服务模式,为用户提供直观的服务信息,为公众交通出行提供了及时的气象服务。研发的公路交通气象服务系统已正式对外服务,并在春运期间为公众用户便捷、安全出行提供了保障。     

东北高速公路行车安全气象条件预报业务系统

概述了东北高速公路行车安全气象条件预报业务系统的总体结构,介绍了系统包含的行车安全气象条件预报专用数据库、行车安全气象条件预报方法和预报工作平台。业务应用结果表明：系统为预报员提供了能够满足实时业务需要的高速公路行车安全气象条件预报工作平台,研制的大雾、积雪、道路结冰和湿滑等客观预报方法可为交通管理部门提供高速公路行车安全气象参考信息。     

WRF模式对江苏如东地区风速预报的检验分析

探讨了WRF模式在风电场的风速或者功率预报中应用的可行性, 主要研究和评估了WRF模式对地处东亚季风区及海陆交界的江苏如东地区夏季和冬季风速的短期预报效能。研究发现WRF模式可以比较好地预报如东站冬季的风速, 24 h预报的风速时间序列和观测资料的相关系数可以达到0.61, 通过置信度99%的检验, 48 h和72 h的预报与观测风速相关系数分别为0.54和0.47, 也能通过置信度99%的检验;相对而言, 模式对夏季风速的预报则要差一些, 24 h的相关系数有0.59, 48 h和72 h的相关系数只有0.47和0.30, 但仍能通过置信度99%的检验。在量值上, 模式预报的风速比观测值都略偏大一些。而江苏南通市预报结果显示, 模式的预报效能要比如东稍高一些, 和如东类似, 模式对该地冬季的预报要好于对夏季风速的预报。从更大尺度范围的分析也表明, 模式对不同地区预报的准确度是不一样的, 对海面以及海陆交界的海岸预报精度要高一些, 在平坦的内陆地区预报也比较好, 但在山区预报效能则较差。总体说来, WRF能胜任风速短期预报, 值得进一步研究和应用。     

上海浦西地区雾持续时间的统计释用预报

丰海浦西地区雾持续时间释用预报（PPM）的结果分析和中尺度数值预报资料基础上，应用模式输出统计（MOS）方法，构造了与上海地区成雾条件和雾的维持有一定关系的数值预报要素组成的预报因子，并进行逐步回归分析，建立了雾持续时间的统计释用预报方程，同时，提出了在小样本情况下应用交互验证分析法时克服因子不稳定的一种方法，研制了雾时业务预报的统计释用集成方案，并进行了对比分析，结果表明，统计释用预报集成方案较完全预报（PPM）的结果有明显改进。可供业务试用。     

一种用户均衡分配不确定性的计算方法

为解决目前交通分配中存在的不确定性问题,基于Wardrop用户平衡原理,利用起讫点（OD,Origin Destination）估计方法和Beckman交通分配模型,建立了一种交通分配不确定性计算方法.该方法分别以不同置信水平下的OD估计结果的上下限为输入量,然后利用Frank-Wolf算法求解交通分配模型,得到不同置信水平下的路段流量区间,以此量化交通分配问题中的不确定性.以南京市区域路网为研究对象进行案例分析,并采用宽度流量比R和无效覆盖率（Kickoff Percentage,KP）对模型结果进行评价,结果表明该方法可以得到路段流量的置信区间,量化交通分配的不确定性.     

海河流域一次大到暴雨天气过程的预报分析

利用数值预报、常规天气图、各种物理量场、卫星云图、雷达资料等,对2005年7月22—24日影响海河流域的典型暴雨天气过程进行了综合分析。该过程是由高空槽、副热带高压边缘的暖湿气流和5号台风海棠减弱后的低气压云系的共同作用下产生的;其触发机制是冷空气从近地层楔入暖空气中,在高温高湿、层结不稳定等诸多有利条件下,冷空气前沿的上升气流在暖区激发出几个较旺盛的中小尺度的强对流云团造成此次的降水过程;数值预报在对流层中部冷平流入侵海河流域的时间和地点,对于强降水出现的时间和落区预报有一定的指示意义,日本模式和T213在此次海河流域强降水的落区预报上存在优势,德国模式在强降水量级的预报上最接近实况,但三家数值模式预报西太平洋副高西伸的位置不够准确,导致海河流域的降水预报的时空分布有一定误差。     

气象要素在电力负荷预测中的应用

综合应用人工神经网络、模糊理论等智能技术,着重考虑天气因素对电力负荷的影响,确定了一种有效的电力系统短期负荷预测方法。并应用陕西省9个地市1998-2001年的逐日8个气象要素以及对应的逐日电力负荷值,对陕西省电力负荷进行训练和预测。研究结果证明这种方法能较大地提高日负荷预测的精度。     

神经网络模型预报湖北汛期降水量的应用研究

使用人工神经网络方法建立了湖北省汛期 (6～ 8月 )总降水量的短期气候预测模型 ,该神经网络模型的输入是汛期前期 (2～ 4月 )的北半球月平均 5 0 0 h Pa高度场、海平面气压场和太平洋海温场的扩展自然正交展开 (EEOF)的前几个主要模态的时间系数 ,输出了湖北汛期降水场的自然正交展开 (EOF)的前 2个主要模态的时间系数。41 a历史资料的交叉检验表明 :样本试验的预报技巧评分平均为 0 .2 4 6 ,虽然该模型对各年的预报效果仍存在一定的不稳定性 ,但它可为湖北汛期降水的短期气候预测提供一种具有明显统计预报正技巧的预报方法     

Evaluation of radar and automatic weather station data assimilation for a heavy rainfall event in southern China

To improve the accuracy of short-term(0–12 h) forecasts of severe weather in southern China, a real-time storm-scale forecasting system, the Hourly Assimilation and Prediction System(HAPS), has been implemented in Shenzhen, China. The forecasting system is characterized by combining the Advanced Research Weather Research and Forecasting(WRF-ARW)model and the Advanced Regional Prediction System(ARPS) three-dimensional variational data assimilation(3DVAR) package. It is capable of assimilating radar reflectivity and radial velocity data from multiple Doppler radars as well as surface automatic weather station(AWS) data. Experiments are designed to evaluate the impacts of data assimilation on quantitative precipitation forecasting(QPF) by studying a heavy rainfall event in southern China. The forecasts from these experiments are verified against radar, surface, and precipitation observations. Comparison of echo structure and accumulated precipitation suggests that radar data assimilation is useful in improving the short-term forecast by capturing the location and orientation of the band of accumulated rainfall. The assimilation of radar data improves the short-term precipitation forecast skill by up to9 hours by producing more convection. The slight but generally positive impact that surface AWS data has on the forecast of near-surface variables can last up to 6–9 hours. The assimilation of AWS observations alone has some benefit for improving the Fractions Skill Score(FSS) and bias scores; when radar data are assimilated, the additional AWS data may increase the degree of rainfall overprediction.