基于EEMD-SARIMA的对流层延迟预测模型研究

在无气象数据的条件下,提出一种基于集合经验模态分解（EEMD）和季节性自回归移动平均模型（SARIMA）的对流层延迟（ZTD）预报新方法,并分别选取长春、上海、乌鲁木齐3个地区4个季节的ZTD数据进行预测分析。结果表明,基于EEMD-SARIMA的ZTD改正预报模型能够满足不同地区、不同季节下的ZTD估计需求,是一种高精度的ZTD预报方法。     

大震前后地震活动的时空分维特征

本文根据Mandelbrot提出的分形几何学观点,对海城、唐山和松潘三个大地震前后地震(ML3.0)序列,根据其时空分布的总体特征,分析了它们在时间和空间分布上的自相似结构,计算了各自的分维。结果表明:时空分布特征分别类似于一维Cantor集合或一维连续统(这里有图片19890303-251-1.jif)Cantor集合。并以大震发生为对称点,得到大震前后的分维明显不同。一般大震前,其时空分布具有较低的分维,震后偏高。本文认为,用分维定量描述地震时空分布的复杂性是一个较好的物理量,也许它对未来大震发生的时空预报将起重要作用。      

粘弹性组合介质中应力波的数值模型

对分块均匀和各向同性的粘弹性介质,本文提出一种适于应力波数值计算的守恒型有限元法,旨在用以研究各类地质体（包括油、气藏）对于地震波的响应。     

复杂系统模糊模式识别动态规划模型研究

将模糊识别集合算子和非结构决策分析方法引入模糊动态规划中,推导出了两种求解复杂系统多目标多阶段决策问题的方法:级别特征值最小法和阶段模糊识别递推法。这两种方法具有不同的递推方程,可以应用于不同的情况,从而形成了模糊模式识别动态规划模型。此模型可以有效地获取和集成决策者的经验知识和偏好。此模型已应用到实践中,并取得良好效果。     

根据天气类型划分欧洲中期天气预报中心的集合预报产品

该研究的主要目的是找出一种对集合预报产品进行释用的新方法。其基本假定是集合预报要素在一定程度上代表了未来可能发生的天气形势。为了解决天气尺度在中期预报的不可预报性问题 ,引入了天气类型的概念。对集合预报进行划分的方法是 Diday提出的动力模糊法 ,初始划分时的重心由天气类型定义 ,划分用到的距离是位移和最大相关方法。根据城市块 (City- Block)距离找出了影响中国的按冬夏两季划分的天气类型 ,初步划分结果表明 ,欧洲中期天气预报中心的集合预报系统可以预报出横槽转竖型天气类型的演变情况 ,在夏天的预报效果则没有冬天好。     

岷江上游土地资源适宜性评价研究

岷江上游地区的可持续发展直接影响着四川省社会经济的发展，以岷江上游土地资源适宜性评价为研究对象，利用地理信息系统（GIS）技术，建立了该地区的土地资源基础信息库；利用面向对象编程技术，应用模糊集合综合评价法及对各土地适宜性监介指标确定和适宜性等级的划分进行了岷江上游土地资源适宜性评价，并提出了土地利用规划及今后改造利用的方向。     

南海热带气旋路径集合预报试验

利用3种不同模式的初始资料，通过它们生成得到16个不同的初始场，分别对2004年南海及其周边地区9个热带气旋个例进行集合预报试验，最后筛选得到了7个南海热带气旋初值集合成员，由此初步探讨了南海热带气旋初值集合成员的生成方法。结果表明，采用不同模式的初始资料生成得到初值集合成员的方法用于集合预报，对南海热带气旋路径预报有一些明显的改进。     

中国冬季气温的集合典型相关分析和预报

以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定.     

基于BGM的不同繁殖长度对集合预报的影响

利用T63L9全球谱模式和NCEP/NCAR再分析资料, 对BGM方法中增长模的繁殖长度对集合预报效果的影响进行研究。结果表明:与控制预报相比, 不同繁殖长度的集合预报都能使预报效果得到一定程度的改进, 特别是第4天预报以后, 改进程度随预报时效而稳步提高。三组不同繁殖长度的集合预报对控制预报的改进存在差别, 分析结果表明:繁殖长度为2 d的集合预报明显效果最差, 而繁殖3 d和4 d的集合预报差别并不明显。对集合Talagrand分布以及离散度的初步分析表明, 繁殖长度取为3 d似乎最为合理。     

集合敏感性分析在北半球中纬度高影响天气中的应用

总结回顾了集合敏感性分析(ESA)在诊断中纬度高影响天气预报不确定性中的应用。作为一个简单高效且不需要大量计算资源的方法,集合敏感性分析主要被应用在中纬度气旋、台风或飓风的温带转换,以及在强对流过程中诊断预报误差和不确定性的来源。集合敏感性方法极有灵活性,可以根据实际需要改变不同的预报变量和初始场。在对2010年美国东岸圣诞节暴风雪的分析中,集合敏感性分析通过三种形式来诊断了预报不确定性的初值敏感性,即基于EOF分析的敏感性、预报差别的敏感性,以及基于短期预报误差的向前积分敏感性回归。三种方法证实气旋路径的不确定性主要和位于美国南部大平原的短波槽初始误差相关。此外,气旋强度的不确定性还和产生于北太平洋向下游延伸的罗斯贝波列相关。集合敏感性分析方法对于分析中纬度气旋的不确定性、诊断初值敏感性、分析误差发展机制都非常有效。集合敏感性分析也被应用于分析台风/飓风的温带气旋转换过程的不确定性。在对2019年美国首个主要登陆台风Dorian的分析中发现,加拿大CMC的集合预报主要不确定性来自于强度的不确定性,而这个不确定性与初始时刻的大尺度环流型有关,较连贯的信号可以追溯至东北太平洋的前倾槽。而NCEP和ECMWF的不确定性主要在于气旋位置的东北—西南向移动,而敏感性主要和飓风系统本身(即其北部低压区和中纬度槽)的锁相有关。分析结果进一步验证了集合敏感性分析对诊断模式之间的不一致性,以及模式成员之间不一致性的不确定性来源和发展过程的可靠性。集合敏感性分析方法综合了集合预报、资料同化和敏感性分析,因此对于资料同化技术改进、诊断模式误差(或者缺陷)、附加(目标)观测最优策略,以及评估观测对预报的影响等都有重要意义。同时可以更有效地利用集合预报信息,帮助预报员提高情景意识,最终减少高影响天气预报中的决策失误。