排序方式: 共有3条查询结果,搜索用时 93 毫秒
1
1.
将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子,建立基于卷积神经网络(Convolutional Neural Network, CNN)的非线性预测模型,对中国160个测站夏季降水展开预测研究,并与基于线性奇异值分解(Singular Value Decomposition, SVD)的预测模型进行效果对比。结果表明:CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数(ACC)分别为74.33和0.12,比SVD高2.15和0.06,说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中,CNN对SVD预测较好年份的预测效果提升较为明显,对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差,订正后CNN对拉尼娜年的降水预测改进较大。结果表明,基于年际增量法的CNN预测模型展示出较好的潜在应用价值。 相似文献
2.
本文提出一种月尺度西北太平洋热带气旋生成频数(Western North Pacific Tropical Cyclone Frequency, WNPTCF)预测的新方法。该方法利用全球次表层海温(Subsurface Sea Temperature Anomaly, SubSSTA)和中国气象局国家气候中心发布的130项监测指数,构建了既考虑热力强迫因子、又考虑大气动力因子,既考虑同期海洋强迫,又考虑前期海洋和大气影响的集成预测模型。利用该预测模型对2011—2020年6—10月逐月WNPTCF进行独立样本检验预测,准确率达70%以上,说明该预测模型对WNPTCF的逐月演变预测的效果良好。该预测模型对ENSO信号较强年份的WNPTCF预测效果要好于ENSO信号不强的年份,原因在于在ENSO信号不强的年份,SubSSTA可预报性较低,非线性变率大,海洋对WNPTC的强迫作用弱。 相似文献
3.
青藏高原农业现代化时空分异及其驱动机制 总被引:1,自引:0,他引:1
农业现代化是当代农村建设的重要内容和社会经济文明发展的重要衡量标准。本文基于1990—2017年青藏高原统计数据,构建农业现代化综合指标体系,运用熵值法计算各指标权重,进而获得农业现代化指数和各项指标贡献度,以此评估高原农业现代化发展时空特征和驱动因子。研究结果表明:① 1990—2017年青藏高原农业现代化水平普遍偏低(全区平均农业现代化指数为0.15),呈增加趋势;② 从空间上看,农业现代化水平相对较高的地区分散在高原北部、西南部、南部边缘和一江两河的德格县、湟中县、白朗县、浪卡子县等部分县域;③ 农业现代化指标中,单位耕地面积用电量、有效灌溉率和土地生产率对高原农业现代化水平影响最大(对农业现代化指数的贡献度分别为13%、12%和11%),其中单位耕地面积用电量和土地生产率增加促进了农业投入水平和农业产出水平,是农业现代化的主要正向驱动因子;单位耕地面积农药使用量的增加不利于环境可持续发展,是农业现代化的主要负向驱动因子。 相似文献
1