排序方式: 共有23条查询结果,搜索用时 15 毫秒
21.
22.
为综合不同模式对不同量级降水的预报优势,设计一种全球模式与区域模式结合的降水分级最优化权重集成预报算法,集成经最优TS评分订正法(optimal threat score,OTS)订正后的欧洲中期天气预报中心降水预报产品(以下简称EC-OTS)和华东区域中尺度模式降水预报产品(以下简称SMS-OTS)。以泛长江区域(23°~39°N,101°~123°E)为研究范围,基于2018年不同降水量级的TS评分最优化确定SMS-OTS和EC-OTS在不同降水量级时的最优权重系数以及最优集成方案,并以2019年降水数据为独立样本进行预报试验。结果表明:对于最优权重系数,EC-OTS在低降水量级权重较大,随着降水量级的加大,SMS-OTS的权重也逐渐加大;最优集成方案为初始集成降水量预报取SMS-OTS,集成运算迭代3次;集成预报在几乎所有预报时效、所有降水量级的TS评分均高于EC-OTS和SMS-OTS,其平均绝对误差略小于EC-OTS,显著小于SMS-OTS;集成预报12 h累积降水预报的TS评分较省级预报员主观预报高-0.009~0.041,24 h累积降水预报的TS评分较国家气象中心预报员主观预报高0.009~0.023。 相似文献
23.
应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具"潜力"的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。 相似文献