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。     

运用自组织人工神经网络作汛期降水预报

本文提出了汛期降水预报的自组织人工神经网络方法，并选择一组标样进行了具体分析，预报成功率达100％。结果表明，该方法性能良好，可望成为汛期降水预报的有效手段。     

珠海市前汛期大暴雨预报系统介绍

强对流天气的形成原因比较复杂,前汛期(2～5月)的强对流天气一般出现在一定的天气形势背景下,是动力、热力、水汽等多种因素共同作用的结果.因此,在时间上,强对流天气的分布有明显的月际变化和日变化;而在空间上,其分布与地形和地理位置关系密切.了解强对流天气的时空分布情况,无论对短时预报还是预警业务系统的制作,都有重要意义.     

汛期低涡暴雨预报方法

据１９７４～１９９１年６～８月间暴雨资料统计分析，０８ｈ７００ｈＰａ低涡位于１０４～１０９°Ｅ、３３～３６°Ｎ或１００～１０５°Ｅ、２９～３２°Ｎ时，正阳易出现暴雨；其间，共有暴雨日３７个，低涡暴雨日２５个，占总暴雨８的６７．６％。为此，建立了低涡暴雨模式；首先消空处理，再筛选出一些物理意义明确且相关显著的预报因子，运用事件回归系数法建立低涡暴雨预报方程。经两年应用，预报效果较好。     

1994年汛期暴雨数值预报分析

本文着重分析了１９９４年汛期５次暴雨天气过程的雨量数值预报结果，简要阐述了产生暴雨天气的天气背影并把该数值预报结果与日本人的同类数值预报结果进行了比较，发现本系统对暴雨折预报结果明显优于日本的数值预报结果，从结果的分析可以看到，本系统无论是对暴雨范围的预报，还是对暴雨雨量的预报，都是非常令人鼓舞的。     

神经网络降水预报系统及其应用

介绍了神经网络降水预报系统及其在1998年汛期的使用情况,分析了该系统对暴雨过程的预报效果,结果表明：该系统对暴雨过程有一定的预报能力,特别是对转折性天气和持续强降水过程的预报,其效果更好。     

汛期降水预报的一种有效方法

汛期降水预报的一种有效方法张芝琴李宇清（晋城市气象局０４８０００）１引言汛期降水的多寡是各级领导和有关部门在汛期即将到来之时十分关注的问题，也是气象部门汛前做好决策服务的重要依据。而晋城的降水量年际变化很大，汛期就更为突出，最多年达８４２毫米，最少年...     

用奇异谱分析方法预报三峡地区月季降水

介绍了用奇异谱分析方法对三峡地区各站点降水进行月季预报的原理,流程以及试验结果。试验结果表明,该方法对三峡地区的月季降水预报有较好的效果,另外,给出了该方法对三峡地区２０００年６～８月的降水预测结果。     

南宁市汛期大雨以上降水短期预报及业务系统

城市天气预报随着社会的发展有益重要的趋势，而且对服务质量的要求也越来越高，我们采用近期历史资料和天气学分类、特征量分析等方法，建立南宁市大雨以上降水预报工具并形成准自动化的业务系统，是提高预报水平的重要一环，而发展短期、短时预报方法将会时一步改善预报服务质量。     

降雨量及叠加预测方法研究

为了得到精确度较高的降雨量预测值及其叠加预测精度,利用小波神经网络和NARX动态神经网络对降雨趋势和降雨量进行预测,并分析降雨量叠加预测值的误差.研究表明,小波神经网络分析的月降雨量多个变化周期以及总的变化趋势较为准确;NARX动态神经网络预测模型测试误差为0.21％,回归效果图的相关系数R为0.99993,回判和检验...     

神经网络方法在静止卫星多通道资料估算降水中的应用

使用人工神经网络 (ANN)模型探讨了利用静止卫星多通道资料估算地面降水的一种新方法 ,对淮河和长江典型区域 (2 4～ 3 6°N ,1 0 8°E以东 )一次暴雨过程的卫星遥感数据和地面水文站逐时降水资料的应用分析表明 ,该方法提供的客观定量的降水量估算的平均相关系数为 0 57,较现行业务使用的方法效果更佳     

短期气候(月、季、年)逐月降水预测系统研究

描述了短期气候逐月降永预测系统的概念及其实现。首先讨论了把气候模式与人工神经网络结合起来开发一个气候预测支持系统的必要性和可能性。然后，给出了系统设计的框图，并对系统结构作了详细的讨论。最后，提出了有关预测结果分析和进一步完善的看法。     

近47年雅鲁藏布江中游地区汛期降水量的小波分析

根据雅鲁藏布江中游地区4个代表站(拉萨、泽当、日喀则和江孜)近47年(1960—2006年)月降水量总量资料,利用墨西哥帽小波函数,分析了该地区近47年汛期(5-9月)降水量序列的周期变化特征。结果表明:雅鲁藏布江中游地区汛期降水量存在准14年和准2年的周期振荡,其中日喀则和江孜站以准14年的周期为主,而拉萨和江孜站以准2年周期为主;在12-16年左右的时间尺度上经历了8个干湿交替,而准2年周期在1964-1976年和1984-1997年期间表现得尤为显著;20世纪70年代中期以后8年左右时间尺度的周期变化显著;在近47年内有5个时段出现了不同尺度周期振荡同位相叠加,致使降水量异常年份较多。     

神经网络方法在广西日降水预报中的应用

以广西前汛期5、6月区域平均日降水量作为预报对象，采用人工神经网络方法进行新的数值预报产品释用预报研究。对T213预报因子进行自然正交分解，有效浓缩数值预报产品因子的预报信息，并结合日本降水预报模式因子建立广西3个不同区域的逐日降水神经网络释用预报模型。运用与实际业务预报相同的方法对2004年5、6月进行逐日的实际预报试验，并与T213的降水预报进行对比分析。结果表明，本文建立的3个区域日平均降水量神经网络预报模型，在预报性能上明显优于同期的T213降水预报。     

人工神经网络台风预报系统

系统在经大量数据训练、运算基础上，选用了ＢＰ网络模型。为适应台风路径预报，对ＢＰ网络进行了改进，应用改进后的ＢＰ网络，自动训练到２１５９次后，由神经网络输出的判定台风移向趋势－西进，北上，西北移与实际历史移行路径概括率达９７％。在业务实用时，只需在指定硬盘路径中给出系统运行的３个文件，包括天气系统主要特征参数，系统即可以人机对话形式给出当前台风移动路径概率值。     

基于BP和Elman神经网络的福建省汛期旱涝预测模型

建立了福建汛期旱涝BP和Elman神经网络预测模型，并对两种模型的性能和差异进行了比较，结果表明：动量BP网络模型，特别是具有局部反馈特性的Elman网络模型具有较好的拟合精度和预报效果。此外两种模型对旱涝等级为2和4的预测偏差较大，而对旱涝等级为3的预测较为准确。     

制作汛期降水集成预报的分区权重法

该文提出一种不受历史预报档案资料多少限制的集成预报方法。这个方法的基本思想是以各种不同预报的历史评分资料为基础,确定各个预报方法的权重。根据若干原则设计了16种预报方案。计算结果表明,这个方法具有较高的准确度和可行性,可以用于业务预报。     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

农田土壤湿度的人工神经网络预测诊断系统

采用人工神经网络（ＡＮＮ）方法，研制了农田土壤湿度预测，诊断分析系统，该系统根据不同的土壤湿度特点和影响因子，可自动提供时间序列拓展的人工神经网络预测模型和人工神经网络的混合预测模型进行土壤湿度的动态预测。并提供不同降水量的土壤湿水分渗透深度诊断分析，系统采用中文菜单显示的人机对话方式操作，使具有准动力学特性，多种可调参数和网络结构的ＡＮＮ方法变得简便易于操作。实际使用表明，该系统对土壤湿度的预测