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。     

Neural network for wave forecasting among multi-stations

Unlike in the open sea, the use of wind information for forecasting waves may encounter more ambiguous uncertainties in the coastal or harbor area due to the influence of complicated geometric configurations. Thus this paper attempts to forecast the waves based on learning the characteristics of observed waves, rather than the use of the wind information. This is reported in this paper by the application of the artificial neural network (ANN), in which the back-propagation algorithm is employed in the learning process for obtaining the desired results. This model evaluated the interconnection weights among multi-stations based on the previous short-term data, from which a time series of waves at a station can be generated for forecasting or data supplement based on using the neighbor stations data. Field data are used for testing the applicability of the ANN model. The results show that the ANN model performs well for both wave forecasting and data supplement when using a short-term observed wave data.     

Probabilistic Precipitation Forecasting Based on Ensemble Output Using Generalized Additive Models and Bayesian Model Averaging

A probabilistic precipitation forecasting model using generalized additive models (GAMs) and Bayesian model averaging (BMA) was proposed in this paper.GAMs were used to fit the spatial-temporal precipi...     

中尺度数值天气预报的初步试验

通过用中尺度MM4模式对2004年11月14日到15日天气过程进行数值模拟预报试验，了解MM4模式和用数值预报模式进行天气预报的全过程。对MM4模式的初次应用表明，中尺度数值模拟及预报的研究在一般台站是可行的，中小尺度数值预报模式为今后发展地县精细化预报及中尺度过程诊断分析提供了良好的工具。     

煤层冲刷带预测方法评述

介绍了沉积分析法、矿井物探法以及地质统计法三种煤层冲刷带预测方法.实例证明,根据煤矿生产的具体情况,选择一种或综合运用几种方法,能较好地预测冲刷带的位置和范围.     

松辽盆地丰乐地区营城组火山岩储层预测

徐家围子断陷的主要产气层段为营城组火山岩段地层,所以研究该地层对寻找天然气藏具有非常重要的意义.本文利用丰乐地区的高分辨率地震资料、岩石物性资料、测井资料对下白垩统营城组火山岩进行构造精细解释,火山岩地震相及岩相分析从而进行储层预测,利用均方根振幅、瞬时频率能量及瞬时吸收系数能量等地震属性分析结合地震反演技术精细刻画火山岩储层.结果认为：均方根振幅、瞬时频率能量和瞬时吸收系数能量能较好预测火山岩相和储层物性;有利储层在反演剖面上表现为中低阻抗特征,中等密度;较好储层主要分布在工区的西部与中部.     

基于MSC MARC的三维构造应力场数值模拟与裂缝预测——以宝浪油田宝北区块为例

MSC MARC的高度非线性有限元分析能力与强大的二次开发接口为复杂三维地质数值模型的建立与三维构造应力模拟与非线性分析提供了有力工具; 并可以通过二次开放子程序建立复杂的岩石本构与破裂准则。本文基于MSC MARC建立了新疆焉耆盆地宝浪油田宝北区块背斜构造三维有限元模型并进行了构造应力模拟分析和裂缝预测。裂缝预测结果与实际动态资料十分吻合。      

扩散波的时空反演与洪水实时预报技术

以扩散波方程描述天然河道中的洪水波运动规律。将数学物理反问题理论和离散反演算法与河道流量演算相结合提出了扩散波实时预报的方法。该法的特点是在求解流量场Ｑ（ｘ,ｔ）的同时反演计算扩散波波速Ｃ（ｘ,ｔ）和扩散系数Ｄ（ｘ,ｔ）,根据不断监测的新信息系列,直接利用原偏微分方程进行参数的实时校正和预报过程实时修正。     

K 近邻非参数回归概率预报技术及其应用

针对参数回归技术制作概率预报存在拟合好、但预报结果不稳定的现象, 提出了用K近邻非参数回归技术制作概率预报的新途径。K 近邻非参数回归技术包括历史样本数据库、近邻子集生成和优化以及预报量估计4 个主要部分。利用该技术进行了单要素概率预报(主要包括云量和降水)和多维联合概率预报(降水、总云量、风速和气温)试验, 并对试验结果进行了检验。实例研究结果表明:该文所给出的计算方案预报稳定性好, 准确率较高,具有良好的业务应用价值。     

河西走廊东部沙尘暴预报方法研究

利用我国沙尘暴多发区, 甘肃省河西走廊东部民勤、凉州区等五站近50a的气象资料, 详细分析了河西东部沙尘暴频繁发生的气象因素, 应用近20a的天气资料, 结合近50a的典型个例做出沙尘暴的长期、中期、短期和短时预报预警系统。研究结果表明: 长期预报取决于冬春季气温、降水量和大风日数; 中期依靠使用国内外数值预报产品; 短期与大气环流条件、分型指标有关; 短时临近预报与高空大风形势、地面上游有无大风沙尘暴天气有关。