排序方式: 共有23条查询结果,搜索用时 15 毫秒
21.
为提高山东定量降水预报准确率,采用深度前馈神经网络(Deep Forword Neural Networks,DFNN)和降水分级最优TS(Threat Score)权重集成方法对多模式集成降水预报进行研究。对2019年4—9月欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting, ECMWF)全球数值预报系统、中国气象局上海数值预报模式系统(China Meteorological Administration Shanghai9 km, CMA-SH9)和中国气象局中尺度天气数值预报系统(China Meteorological Administration Mesoscale, CMA-MESO)逐24 h累积降水量预报进行有监督训练,得到4组DFNN(ES、EM、SM、ESM)深度学习模型,并利用多模式降水分级最优TS权重集成方法建立Mul-OTS(Multi-mode Optimal Threat Score)集成模型。用2020年4—9月各模式逐24 h累积降水量进行降尺度格点预报,对5种集成方案对比... 相似文献
22.
利用2008—2010年春季(3—5月)黄渤海沿海地区34个站点的地面观测风场资料,对CFSR(Climate Forecast System Reanalysis)10m风场再分析数据进行对比分析和检验评估。结果表明:CFSR对逐时风速的平均误差以及平均绝对误差大都在1~2m/s之间,对6级以上大风的平均误差大都在-1~-3m/s,而A平台、成山头、西连岛站为-3~-4m/s。CFSR对逐日风速的平均误差基本在-2~2m/s之间,成山头站最大为-3m/s,对6级以上大风的平均误差基本在-4m/s以内,但西连岛站为-4.7m/s。CFSR对更接近海上的站点以及6级以上大风的评估更加偏小,此外逐日误差比逐时偏大1m/s左右。由北方气旋造成的7级以上大风站点最多,平均误差大都为-4~-5m/s。成山头站在南方气旋和低槽冷锋天气类型下的平均误差都在-5m/s以上。CFSR对各种天气系统产生的西北以及偏北大风的次数及其风向的评估均较好,对北方气旋和东高西低产生的偏南大风评估也比较准确,但对南方气旋产生的东北以及偏东大风评估略差。 相似文献
23.
为探讨ECMWF、华东区域中尺度模式(简称为CMA-SH9模式)多个时效对夏季(2019年6—8月)暴雨预报特征,采用目标对象检验方法对不同类型影响系统下模式预报的强降水落区面积、位置、形状等进行评价,并对预报难度较大的受西风槽和西太平洋副热带高压(以下简称副高)边缘切变线影响的高空要素场及环流形势场进行了研究。结果表明:ECMWF和CMA-SH9模式对夏季暴雨预报偏小3个量级次数最多,CMA-SH9模式各时效对暴雨及以上降水预报的准确率大多高于ECMWF;ECMWF和CMA-SH9模式对热带气旋与中纬度系统相互作用的暴雨预报最好,其次是冷涡影响,预报较差的是受西风槽及副高边缘切变线影响的暴雨过程;西风槽及副高边缘切变线影响时ECMWF的位势高度场预报略好于CMA-SH9模式,温度的预报500 hPa以上CMA-SH9模式略好于ECMWF,500 hPa以下二者相差不大,相对湿度的预报CMA-SH9模式误差小于ECMWF,且CMA-SH9模式850 hPa的36 h和60 h时效预报误差最小;受西风槽及副高边缘切变线影响的一次暴雨过程中,相对湿度90%及以上落区的预报ECMWF与实况10 mm·h^(-1)降水落区几乎无交集,CMA-SH9模式的预报包含了10 mm降水落区。 相似文献