随机森林回归法在冬季路面温度预报中的应用

基于宁宿徐高速公路三个交通气象站2015—2018年冬季逐10 min实时观测资料,使用随机森林回归模型预报这三个站的未来1h冬季路面温度,分析了该模型在冬季路面温度预报中的可行性和适用性.研究结果表明:随机森林回归法可以被用来预报高速公路冬季路面温度,不同类型的交通气象站点的特征输入方案和参数调试标准存在差异;与简单...     

一种插值相似方法作温度预测的应用研究

将插值方法运用到短期气象预测中，其基本原理是按照相似原理将产生相似结果来作预报。对云南昆明等四站温度进行了九年定性和定量预报检验，结果表明：这种方法具有良好的预报能力，可以作要素预报应用。     

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。     

最优气候值方法在短期气候预测中的应用

利用最优气候值方法,对辽宁1997 和1998 年各月、季平均气温和降水量做预报,结果表明,这种方法有一定的预报能力,可以在本省短期气候预测业务中使用。     

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，     

基于随机森林的湖北雪密度预测模型及其在雪压分析中的应用

雪密度、雪压等积雪参数资料的缺乏是南方地区雪灾精细化防御研究的难点之一,通过历史地面积雪气象观测资料来反演测站及周边的雪密度,是对现有积雪监测资料的有益补充。本文利用湖北省76站的逐日气象观测资料,分析并选取了积雪期的积雪日数、积雪深度、气温、日照等8个影响雪密度的自变量因子,构建了雪密度的随机森林回归(RF)模型,并通过RF模型反演数据,分析了湖北省雪密度和雪压分布情况。结果表明：①雪密度RF模型预测的均方根误差为0.04 g/cm3左右,可以用于湖北省雪密度资料反演。②湖北省平均雪密度在0.14～0.20 g/cm3之间,从中部以0.17 g/cm3为〖JP2〗界分为东西两个区,东部区雪密度较大。③湖北省近60年来最大雪压值在1.3～6.7 g/cm2之间,不同重现期最大雪压分布存在鄂西北和鄂东两个高值区,且鄂东区的中北部基本雪压值更大。〖JP〗     

MOS，PP方法在降水及温度预报中的效果对比检验

利用1995～1997年的北京T106数值预报产品资料,建立了山东省各测站夏季（6～9）1～5天日极端温度、降水MOS预报方程和PP预报方程,并对1999年7～9月的预报进行了对比检验,结果表明,MOS方法预报效果明显优于PP方法。     

机场雷暴预报的数值预报产品释用方法

应用“指标序列”方法对数值预报产品进行释用，确定出雷暴天气预报方程，并配合应用单站气象要素组成机场航站雷暴预报规则，作出机场雷暴天气预报。     

卡尔曼滤波方法在南宁市单站温度预报中的应用

卡尔曼递推滤波方法适用于温度等连续变量的预报，具有容易适应模式的变化和不需要收集大量历史资料样本的优点，用卡尔曼滤波方法制作南宁市最高、最低和平均气温预报，对1995年1—2月的历史资料进行试报的结果表明，最低温度预报与实况的拟合最好，其次是平均温度和最高温度。均方根误差和平均约对误差的计算结果，除了最高温度预报外，均方根误差都在3℃以内，平均绝对误差在2℃以内。     

卡尔曼滤波方法在温度分县预报中的应用

在引进省局推广应用的卡尔曼滤波温度预报方法的基础上,通过2004～2005年的预报试验,在对预报因子不断进行了组合和优化后预报效果稳定,客观预报结果基本接近预报员的主观预报水平.     

卡尔曼滤波方法在温度分县预报中的应用

在引进省局推广应用的卡尔曼滤波温度预报方法的基础上,通过2004~2005年的预报试验,在对预报因子不断进行了组合和优化后预报效果稳定,客观预报结果基本接近预报员的主观预报水平。     

随机森林算法在人工增雨效果统计检验中的应用研究

评估人工影响天气的效果通常需通过一定的方法近似求出未作业时的降水量,传统的人工影响天气效果的统计检验方法以线性回归为主,这种方法能够较好地建立目标区和对比区的历史回归方程。但实际上,降水量受多种因素影响,通过历史回归方法无法解决降水量非线性的问题。为解决降水估算中存在的非线性问题,提高降水量估算精度,引入了当下流行的机器学习算法——随机森林算法。使用优选出的多个与降水量相关的预报因子,分别构建了月、日降水估算模型,然后利用江西省南昌市1961-2010年降水数据及环流指数数据,并结合2012-2014年南昌市地面增雨作业信息,验证所建模型估算降水的可行性和人工增雨作业效果统计检验的适用性。结果表明,随机森林模型估算精度较高、泛化能力强,能较准确地估算月、日降水量,对于稳定性降水的估算准确率达90%;但随机森林模型对汛期的月降水量和强对流天气影响下的日降水量估算结果较观测值偏低,有待进一步订正和研究。总体来说,随机森林模型具有精度高、稳定性好、收敛快、不用进行数据预处理、参数少、操作便捷等特性,在综合性能上具有一定优势和可推广性。     

灰色预测方法在制作3～5天中期温度预报中的应用

以国家气象中心Ｔ１０６产品的预告场为基础,采用灰色关联度评价预报因子的优劣,并应用灰色预测方法建立了湖北省代表站３～５天中期温度预报模型。将该模型试用于１９９９年５～１１月武汉中心气象台的预报业务,并作了相应的检验,其结果表明：该预报模型所提供的温度预报有一定的参考价值。     

基于随机森林模型的小时强降水订正分析

基于2020年7—8月西南区域高分辨率模式输出的物理量因子,以及四川省区域自动气象站逐小时降水资料,在分区基础上,采用随机森林模型进行小时降水订正,检验该方法在本地的可用性。结果表明：（1）建模前,对全省进行分区有利于改进大量级小时强降水预报。（2）随机森林模型得到的小时强降水分布整体趋势与原模式一致,对模式未预报出的小时强降水也有一定反应,且实况未出现小时强降水的区域订正后量级有所减小,但仍存在大量级降水分布不均以及空报较多的情况。     

基于自动机器学习的机场温度预报方法研究

利用2015年1月—2021年3月ECMWF细网格数值预报产品构建训练样本,使用自动机器学习方法构建乌鲁木齐机场温度预测模型.结果表明:(1)ECMWF模式直接输出的乌鲁木齐机场温度平均绝对误差为1.7℃,基于自动机器学习方法的Auto-sklearn模型和Auto-Keras模型能够改善模式直接输出的误差,使平均绝对...     

雅安市温度预报方法1.02版(TFMV1.02)

通过计算2002年11月到2003年2月ECM-WF850hPa格点温度预报值与雅安市各县、区实测温度偏差,用获得的平均偏差建立了雅安市各县、区未来六天的逐日平均温度、最高温度、最低温度的预报方程;用Microsoft Visual Basic 6.0编写程序,通过Micaps系统与模式套用界面实现资料获取与预报输出的自动化处理.     

两种机器学习方法在重庆夏季旱涝预测中的应用

利用1961—2010年重庆34个气象观测站夏季降水资料及国家气候中心130项环流指数,采用机器学习的决策树和随机森林方法建立重庆夏季旱涝预测模型,通过2011—2018年预测效果检验发现,夏季同期环流指数决策树模型和前冬海温指数决策树模型预测的8 a降水异常趋势均正确,比考虑单一指数的PC评分分别提高37.5%和12.5%。此外,用随机森林模型预测重庆2014—2018年的夏季降水,5 a平均PS、CC和PC评分分别是84.6、0.27和67.1,相比于业务发布预报质量均有明显提高,且随机森林的预测质量较为稳定。     

重庆市森林火险天气等级预报方法初探

通过对重庆市森林火灾与气象条件关系的分析,找出影响重庆市森林火灾的主要气象要素,用一定的数学模型拟合森林火灾危险度与气象要素间的关系,建立适合重庆市实际的较为客观的森林火险天气等级预报方法。     

基于瑞万思温度预报制作咸阳市客观温度预报方法

对咸阳市12县（市）半年内逐日24-72 h＂瑞万思天气预测辅助信息系统＂（简称＂瑞万思＂）、＂德国天气在线＂与＂兰州区域气象中心业务产品网＂的温度预报准确率进行对比分析,发现瑞万思对咸阳市温度预报具有较高的指示作用,值得借鉴;对瑞万思的温度预报值与实况值进行趋势、误差分析,并对瑞万思温度预报进行两种3 d滑动误差计算,发现3 d滑动误差可有效改善瑞万思系统性误差;以其制作的咸阳市客观温度预报方法准确率明显提高,在常规温度要素预报业务中起到指导作用。