随机森林方法在机场温度预测中的应用

利用2015—2017年欧洲中心细网格数值预报产品,使用随机森林方法,结合不同数量的决策树进行模型训练,研究建立基于随机森林方法的乌鲁木齐机场逐时温度回归预报模型。通过对模型预测结果的检验可以看到,模型预测乌鲁木齐机场温度平均绝对误差≤2 ℃的占样本总数的94%,机场温度-10～30 ℃,平均绝对误差为1.2 ℃,该方法预测效果较好,因此可以尝试使用本方法制作民航机场客观要素指导产品。     

福建省ECMWF细网格模式2 m温度预报误差分析与订正

选取2022年1月1日—12月31日ECMWF细网格模式2 m温度预报24 h以内预报时效产品和对应时次的福建省70个国家站观测资料进行分析,采用ARIMA(差分自回归移动平均)模型和双权重ARIMA模型分别对2 m温度预报产品进行偏差订正,并对订正前后的结果进行对比分析。结果表明：1) ECMWF模式2 m温度预报在福建省主要呈现冷偏差,随着预报时效的增加,均方根误差和准确率随之变差;分别用两种模型进行订正,平均绝对误差由2.1℃以内减小到1.6℃以内,均方根误差从2.5℃以内降低到2.1℃以内,且偏差越大,订正效果越明显。2) ECMWF模式2 m温度逐月预报效果差异较大,订正后各评价指标均有显著改进,各月平均误差在-0.5—0.5℃。3) ECMWF模式2 m温度预报偏差主要表现为福建东部沿海小、中西部较大;订正后平均绝对误差和均方根误差减小至2℃以内,且对高海拔地区的站点改善效果更加明显。与ARIMA模型相比,双权重ARIMA模型订正后平均绝对误差与均方根误差更小、准确率更高,订正效果更好。     

冬季EC 2 m温度预报在贵州毕节地区的检验分析

利用毕节市8个国家站02时、14时气温实况数据,分别计算2016—2018年冬季(12月、1月、2月)EC细网格2 m温度预报的准确率、平均绝对误差、绝对误差,检验在升温、平稳、降温3类天气过程中温度预报效果,为模式温度预报订正提供参考依据。结果表明:02时的预报平均准确率比14时高约10%;除赫章站以外,其余站点准确率在60%～80%之间,有一定预报参考意义;3类天气过程中,平稳、降温天气中温度预报效果明显优于升温天气;升温天气过程中02、14时温度预报大多偏低0～4℃,降温天气过程中02时温度预报总体偏低0～4℃,14时偏高0～4℃。     

镇江地区ECMWF模式高温预报订正方法研究

针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48～168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48～168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。     

冬季EC 2m温度预报在贵州毕节地区的检验分析

利用毕节市8个国家站02时、14时气温实况数据,分别计算2016-2018年冬季(12月、1月、2月)EC细网格2 m温度预报的准确率、平均绝对误差、绝对误差,检验在升温、平稳、降温3类天气过程中温度预报效果,为模式温度预报订正提供参考依据。结果表明:02时的预报平均准确率比14时高约10%;除赫章站以外,其余站点准确率在60%~80%之间,有一定预报参考意义;3类天气过程中,平稳、降温天气中温度预报效果明显优于升温天气;升温天气过程中02、14时温度预报大多偏低0~4℃,降温天气过程中02时温度预报总体偏低0~4℃,14时偏高0~4℃。     

基于机器学习的模式温度预报订正方法研究

机器学习在气象数值模式的后处理中表现优越,但其稳定性和适用性有待深入探究。本文选取了ECWMF模式包括2米温度、风、降水等多气象要素预报产品和安徽省80个国家气象站观测2米温度实况资料,分析了EC模式在安徽省站点温度预报误差,利用决策树、随机森林、LightGBM三种机器学习算法订正EC 模式0-72小时温度站点预报,并将其与传统MOS订正方法和SPCC主观预报产品进行了对比。结果表明：EC模式高温预报误差明显高于低温预报,在安徽皖南山区和大别山区存在较大误差;机器学习算法中最高温度预报随机森林表现最优,最低温度预报LightGBM最优,比EC模式平均绝对误差MAE分别降低了0.55℃、0.2℃,均方根误差RMSE分别降低0.6℃、0.31℃,预报准确率提高了18.16%和5.19%;高山站独立建模并融合周围站的信息能有效降低模型误差;相比SPCC主观预报产品,机器学习预报模型在高温和寒潮过程中互有优劣,但在天气转折初期落后;机器学习可以作为常规预报模式的补充,能显著优化或改善传统预报中温度预测精度,特别是对于数据缺乏的高山站点。     

春季中国日最高气温延伸期预报误差分析及订正

数值模式直接输出和经模式后处理得到的预报误差比较,是延伸期逐日要素预报应用基础。针对中国2 583个站点在2020年春季11~30天的日最高温度预报,根据欧洲数值中心的集合预报输出,首先,使用BP-SM（Back-Propagation - Self memory）法和回归法,进行确定性预报订正效果比较;结果表明BP-SM法和回归法都明显降低了预报绝对误差;在11~14天预报中,BP-SM法得到的平均绝对误差为3.3~3.6 ℃,预报准确率超过35%,订正效果更优。其次,基于模式直接输出和BP-SM法获得的概率预报,使用CRPSS (continuous ranked probability skill score)进行了可预报性分析。结果表明,在地形复杂地区,经过订正,预报准确率明显改善。对于延伸期逐日要素预报,合理的模式后处理方法是降低预报误差和提高预报能力的重要环节。      

基于ECMWF细网格产品的一种优化BP-MOS气温预报方法

基于ECMWF细网格模式输出产品,以一种优化的BP-MOS模型预测1~7 d日最高和最低气温,并对比该方法和ECMWF细网格的2 m温度输出产品以及线性MOS方法的预报效果。结果表明:在预报因子处理时,考虑云量、风、湿度等对气温变化的"过程"影响能有效提高预报准确率;ECMWF细网格2 m温度产品在短期3 d内均方根误差均在2℃以内,但中期时段预报效果明显低于MOS方法;由于线性MOS模型预报存在不稳定现象,而BP神经网络的非线性映射关系使其在容错性方面优势明显,因此优化的BP-MOS模型预测效果良好。     

北京地区温度要素模式预报和客观方法检验评估

利用2018年10月1日至2019年9月30日北京地区55个地面气象站的实况观测数据对欧洲中期天气预报中心的全球预报（ECMWF thin）、国家气象中心区域预报（Grapes）、北京睿图（RMAPS）、国家级指导预报（SCMOC）、北京智能网格温度客观预报（BJTM）和集合相似预报（AnEn）的逐日最高、最低气温预报结果进行检验评估。结果表明：①ECMWF thin模式预报效果优于Grapes和RMAPS，客观方法BJTM和AnEn对ECMWF thin的改进效果明显。②AnEn在10月至次年4月预报效果好，BJTM在5—9月预报效果好；不同预报时效中，AnEn在短期、中期前段预报效果较好，BJTM在中期5～9 d预报效果相对较好。③以南郊观象台为代表站进行检验，结果显示模式预报均存在明显的系统偏差，客观方法对系统偏差有很好的订正效果。④在降水、大风或无天气系统时，BJTM、AnEn的日最高温度预报准确率较高；雾霾天气背景下，ECMWF thin的最高温度预报准确率较高。雾霾、大风和无天气系统时，ECMWF thin最低温度预报偏差最小，客观方法对模式预报无改进；降水天气背景下，RMAPS和BJTM对最低温度的预报偏差最小。     

基于机器学习的华北气温多模式集合预报的订正方法

模式预报的订正是决定局地天气预报结果的一个重要步骤,基于机器学习的后处理模型近年来开始崭露头角。本文发展了基于岭回归（Ridge）、随机森林（Random Forest,RF）和深度学习（Deep Learning,DL）的3种后处理模型,基于中国气象局（CMA）的BABJ模式、欧洲中期天气预报中心（ECMWF）的ECMF模式、日本气象厅（JMA）的RJTD模式和NCEP的KWBC模式这4个数值天气预报模式2014年2月至2016年9月（训练期）近地面2 m气温预报和实况资料确定各模型参数,进而对2016年10月至2017年9月（预报期）华北地区（38°N~43°N,113°E~119°E）的逐日地面2 m气温预报进行了多模式集合预报分析。采用均方根误差对预报效果进行评估,这3种后处理模型的预报效果和4个数值天气预报模式以及通常的多模式集合平均（Ensemble Mean,EMN）的预报效果的对比表明:1）随着预报时长增加,4个数值预报模式及各种后处理模型的均方根误差均呈上升趋势;但区域平均而言,Ridge、RF和DL的预报效果在任何预报时长上都明显优于EMN和单个天气预报模式;特别是前几天的短期预报DL的预报效果更好,中后期预报Ridge的预报效果略好。2）华北地区的东南部均方根误差较小,其余格点上均方根误差较高,从空间分布而言,DL的订正预报效果最好,3种机器学习模型的误差在1.24~1.26℃之间,而EMN的误差达1.69℃。3）夏季各种方法的预报效果都较好,冬季预报效果都较差;但是Ridge、RF和DL的预报效果明显优于EMN,这3种模型预报的平均均方根误差在2.15~2.18℃之间,而EMN的平均均方根误差达2.45℃。     

基于LMS的自适应数字波束形成的FPGA实现

介绍了一种针对DBF(自适应数字波束形成)的最小均方(LMS)自适应处理方法,并在工程上用 FPGA(现场可编程门阵列)实现算法的验证和调试.该算法比较简单,易于在工程上用硬件来实现.     

基于偏好融合的群组推荐研究

传统的推荐系统主要针对单个用户,但随着社会和电子商务的快速发展,人们越来越多地以多个用户的形式一起参与活动,而群组推荐旨在为多个用户组成的群组提供服务,已成为当前研究的热点之一.针对目前群组推荐准确率低,群组成员之间偏好冲突难以融合的问题,本文提出了一种新的共识模型策略,融合了群组领袖影响因子和项目热度影响因子,基于K近邻为目标群组寻找邻居群组,借鉴邻居群组的偏好,设计了基于偏好融合的群组推荐算法.在MovieLens数据集上的实验结果表明,本文所提的融合策略较传统的偏好融合策略有着更优越的表现,推荐准确率（nDCG）的总体平均性能约提高13%,推荐列表多样性指标的总体平均性能约提高10%.     

基于集对分析的洪水分类研究

为避免常规分类方法复杂的数学理论和繁琐的计算,提出了基于集对原理的洪水分类新方法——集对分析法（SPAM）。系统地给出了集对分析法的基本思路和计算步骤。建议方法概念清晰,结构简单,计算简洁,易操作,是一种有效的分类途径。以实测洪水过程为例,应用研究表明集对分析法的分类结果是可行的。     

基于OpenStack Swift的雷达产品存储研究

简要介绍分布式对象存储系统OpenStack Swift,包括安装部署及其在雷达产品存储方面的应用,研究证明,OpenStack Swift能较好的支持雷达产品存储,也适用于其它气象资料存储管理。     

基于LAPS资料的一次冰雹过程数值催化模拟研究

基于3维冰雹云模式,采用局地分析预报系统高时空分辨率分析场作为初始场,对鄂西北地区2009年4月15日发生的一次降雹天气过程进行数值模拟,分析了强对流发展过程的流场、雷达回波、水成物粒子演变特征以及催化机制。研究表明:基于高时空分辨率资料的3维冰雹云模式,能够较好地模拟冰雹云的形成发展演变及人工催化后微物理过程响应。模式输出的雷达回波强度及回波顶高与雷达实测资料相近,最大反射率因子分别为70 dBz、65 dBz,强回波中心基本上位于6~7 km处。冰雹云发展过程中呈现典型的低层辐合、高层辐散特征,消亡过程流场相反;冰雹胚胎形成主要源于冻滴自动转化,碰并云水和雨水促进冰雹增长;不同时间、不同剂量的催化对于防雹效果差异显著,催化时间越早,催化剂量越大,效果越好。     

北京市气温对电力负荷影响的计量经济分析

以温度派生变量度日指数为解释变量构建了气温与电力负荷的计量经济模型。模型证明了天气对电力负荷的季节性影响, 且影响显著。通过引入序列相关AR结构和解释变量的动态结构, 模型得到逐步优化, 调整的拟合优度达95%。为了检验模型的预测能力, 利用历史数据对其进行了评估, 评估结果表明模型有较好的中期电力负荷预测能力。该模型对电力企业电力调度、电力建设有较大的参考价值。     

基于激光雷达资料的气溶胶辐射效应研究

利用新型激光雷达气溶胶探测资料及综合数值模式,以地形复杂的兰州市及周边地区冬季典型天气形势下的大气边界层为研究对象,通过理想试验模拟研究了城市气溶胶辐射效应与大气边界层的相互作用。结果表明:夜间,低空(50~600 m)气溶胶所在气层冷却效应明显,温度降低0.13~0.18℃,600 m高度以上,气溶胶浓度较低,其冷却效应较小,温度降低不足0.1℃;白天,受气溶胶短波辐射效应影响,边界层内增温明显,增温最大值位于低层脱地逆温层顶300 m高度附近,600 m以上由于气溶胶浓度减小,加热率亦降低,增温由0.2℃减至0.1℃。此外,气溶胶的存在使得所在层的风速降低。可见,激光雷达探测资料在边界层模式中有很好的应用价值,对于研究气溶胶辐射效应的大气边界层响应有重要意义。     

基于RBF神经网络的人脸识别研究

针对人脸识别技术中存在的高维问题、小样本问题和非线性问题展开研究.围绕人脸特征提取,采用基于主成分分析和Fisher线性鉴别来克服在人脸识别中的小样本问题,同时将人脸图像从高维空间映射到低维空间从而解决了高维问题;在分类识别方面,采用具有很强的非线性映射功能的RBF神经网络进行模式分类,能够解决人脸识别中的非线性问题.在ORL人脸数据库上进行的仿真实验表明,该方法进行人脸识别具有较高的识别率.     

印度应对气候变化国家方案简析

2008年6月印度政府发布了《气候变化国家行动方案》,阐明了印度应对气候变化的原则立场以及减缓和适应措施。方案中明确指出发展中国家是气候变化的最大受害者,发达国家应该承担温室气体减排的责任和义务;由于近年印度排放不断上升,方案也着重提出了提高能效、大力发展可再生能源等措施。与我国发布的《中国应对气候变化国家方案》进行对比,印度国家行动方案中的一些观点和措施值得我国研究和借鉴,该方案为我国进一步提出应对策略、加强国际合作提供了参考。     

气候变化对人体健康影响的研究进展

从高温热浪、极端气候事件、空气污染、海平面上升等角度综述了气候变化对人类健康的影响,就气候变化对媒介传播性、水源性、食源性、呼吸道传染病以及部分慢性非传染病的影响进行了阐述,并提出了该领域亟待解决的科学问题和研究重点,包括法律体系的建立、机理的研究、疾病负担的测量以及成本效益分析等。