BP神经网络洪水预报模型在洪水预报系统中的应用

采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。     

BJ-RUC在内蒙古某风电场的风速预报检验分析

采用趋势性及误差、偏差频率、误差反位相等分析方法,以2011年6月1日~2012年5月31日内蒙古某风电场风机轮毂高度逐小时风速资料为实况数据,对9 km×9 km BJ-RUC风速预报产品的连续变化趋势及误差分布进行了初步评估,发现:(1)预报风速与实况风速在夏季的相关性较差,其余3季预报风速的连续变化趋势性能较好。(2)平均误差在各月均以正为主,即预报风速总体较实况风速偏大,两者存在明显的系统性误差,春夏两季误差大于秋冬两季。(3)随着预报时效的延长,预报性能总体呈下降趋势。     

改进的GM(1,1)模型在大坝变形预测中的应用

针对大坝安全监测数据存在贫信息、小样本的问题,通过对原始数据、初始值以及背景值进行优化改进传统的GM(1,1)模型。以某大坝实测径向水平位移数据为例,分别用改进前后的模型进行预测,并与实测值进行对比。验证改进的GM(1,1)模型的优越性与有效性,相对于传统GM(1,1)模型,其预测精度更高。     

附加误差修正的GM(1,1)模型在卫星钟差预报中应用

提出一种附加误差修正的GM(1,1)模型卫星钟差预报方法:首先采用GM(1,1)模型利用已有观测值建模,然后利用已有的多余观测值得到预报残差,提出一个误差修正模型,最后利用该修正模型对预报结果进行改正。同时,为保证其可靠性,给出一个修正的阈值。计算结果表明,该方法能够大幅度地提高预报精度,尤其是当GM(1,1)模型预报结果有较大系统偏差时。     

自回归预测模型变权组合定阶

针对自回归(AR(p))预测模型定阶问题中回溯阶的不确定性和时变性,以及基于单一回溯阶预测方法的局限性和组合预测中的冗余信息等问题,该文提出了一种基于遗忘因子的变权组合定阶方法。利用冗余定理筛选基于多个回溯阶预测方法的有效信息,并利用遗忘因子实现了组合权重的时变性,克服了基于单一回溯阶预测模型稳健性欠缺、预测精度低等局限性,提高了预测能力。通过实例表明该算法具有高度的可靠性和可行性,为类似预测方法的定阶问题提供了研究思路。     

改进的灰色GM-AR组合模型在基坑监测数据处理中的应用

灰色预测模型在变形监测领域已得到广泛的应用和发展,灰色模型在理论上可以进行中长期预测,但实际应用中随着时间的推移预测精度也随之下降,为了解决这一问题,本文对GM(1,1)模型进行了改进并将改进后的GM(1,1)模型与时间序列模型组合,利用GM-AR模型进行预测可提高模型的预测精度,并应用实例证明了该方法的可行性。     

2015年6—8月T639、ECMWF及日本模式中期预报性能检验

对2015年6—8月T639、ECMWF及日本（文中简称EC和JP）数值模式的中期预报产品进行了对比分析和检验,结果表明：三个模式对亚洲中高纬环流形势的调整和演变具有较好的预报性能,其中EC模式的预报效果最好。EC模式对西太平洋副热带高压的预报较为准确,T639模式的预报与实况存在一定偏差。三个模式均能较好地预报出2015年7月新疆持续性高温天气,且对北方地区850 hPa温度的预报较零场均偏高。在南方地区,三个模式预报的温度偏差比北方地区小,EC模式的预报效果优于T639和JP模式。对于1513号台风苏迪罗,T639模式较好地预报了台风的登陆位置和路径变化,强度预报略偏强,而EC模式预报的台风登陆时间偏早。     

GFS对我国南方两次持续性降水过程的预报技巧评估

采用美国全球预报系统（Global Forecasting System,GFS）资料,利用谐波滤波提取空间长波、超长波分量,检验评估了GFS对2012年7月11—31日东亚地区大气环流场和降水的可预报能力。结果表明：GFS模式对东亚地区的中低层高度场预报可靠时效维持6 d以上,高层预报可靠时效可达10 d;长波、超长波的可预报效果显著,其中高度场长波5～8波的预报效果好于3～6波,风场则相反;GFS对我国南方两次持续性降水过程的可预报天数维持在8 d左右,并可提前2天预报出强降水带位置;模式对持续性降水过程预报相对站点观测降水量整体偏强。     

基于T639数值预报产品的气温本地化应用及检验

基于T639数值预报产品下发的多个物理量资料,利用多元回归方法,开展本地化的分县气温客观预报方法研究,结合常规气象观测资料、美国NCEP/NCAR 1°×1°网格点逐6 h再分析资料,开展业务应用并进行了效果检验,得出以下结论:最低气温预报准确率要好于最高气温,同时夏季的气温预报也明显好于其他季节;在最高气温中对扬中的预报准确率高于其他站点,在最低气温中对丹阳的预报效果相对比较好;客观预报方法存在明显的系统性负偏差,通过使用每个预报时效预报误差的7 d滑动平均进行订正,结果表明通过订正,预报效果有所提高,特别是最高气温订正效果较明显;通过主客观预报准确率的对比分析,发现虽然客观预报对最高气温的预报效果比较差,但是在气温趋势预报上具有一定的参考价值;最低气温客观预报准确率明显高于江苏省的平均水平,和主观预报相比,虽然仍然低于主观预报水平,但是差距不大,基本上可以替代主观预报;分县气温客观预报方法对高温、寒潮等灾害性天气具有一定的预报能力,但是和实况相比,预报强度偏弱.