地铁车站月平均气温随运营年限演化特性

建立了地铁车站空气热平衡理论模型,基于区间隧道空气温度和车站围岩土体蓄放热量,得到车站月平均气温在运营初期、中期和远期的逐年演化特性。研究结果表明:随着地铁车站运营年限的增长,月平均气温呈现逐年上升趋势,运营第15年较第1年,车站月平均气温在1月温升最低为3.1℃,8月温升最高为10.6℃;在现有地铁行车密度随运营年限增大的运行模式下,地铁车站运营初期行车密度仅为15对/h,夏季车站最高气温出现在第5年,为26.4℃,远低于夏季站厅站台空调设计温度平均值29℃,所以运营初期车站空调系统提供的冷量远大于车站的冷负荷需求,初期车站空调系统存在一定的节能空间。

青藏高原冬、夏季月平均气温及异常分布研究

利用西藏 (1 5个测站 )、青海 (38个测站 )冬季和夏季的月平均气温资料、运用EOF、REOF方法 ,得到了青藏高原冬、夏季气温异常的空间分布特征及时间变化趋势。分析表明 :青藏高原夏季气温场与冬季气温场前 1 0个RPC的累积方差贡献均在 90 %以上 ,表明青藏高原的气温无论是冬季还是夏季都具有收敛速度快的特点。经旋转后按方差贡献的大小将青藏高原冬季气温异常敏感区分为北部型、东南部型、边缘型、中部型和西部型。夏季分为东北型、东部型、南部型、柴达木型和西部型。青藏高原气温异常的分布不仅受到地形、地貌及海拔高度的影响 ,而且受到天气系统的影响。其中 ,冬季西风带气流的南北分支、冷空气的活动 ,夏季地面热低压、高原切变涡、印度西南季风和柴达木低涡对高原气温异常的分布起着决定性的作用。从时间趋势来看 ,80年代后青藏高原冬季气温呈上升趋势 ,夏季主要在高原的东北部、南部和西部亦呈上升趋势。

中国夏季月平均气温异常研究

本文采用１９５１—１９９０年历年月平均气温标准化距平资料，对中国４０年夏季（６—８月）温度异常的空间结构及时间演变特征作了研究。结果表明，中国夏季温度异常在空间上主要表现为长江中下游、华南、东北、青藏高原、西北和华北等六个主要类型。旋转主分量的时间变化趋势反映了中国各主要气候区夏季气温的异常特点。４０年来的基本趋势是：长江中下游由热—凉；华南、西北由热—凉—热；东北、华北、青藏高原由凉—热。夏季月平均气温的持续性较好，但周期性较差。在同位相的短周期振动中西北、华北均比华南地区超前变化。

新疆月平均气温空间化处理及结果分析

利用新疆102个气象站点1990～2002年13年的月平均气温资料与DEM数据，运用SPSS统计软件，分别用逐步回归与多元回归方法分析研究了新疆月平均气温与经度、纬度、海拔高度的数学模型，通过验证，发现多元回归所建的模型模拟效果更好；然后根据多元回归模型应用GIS空间分析相关技术，生成月平均气温的空间分布栅格图．分析栅格图发现：新疆月平均气温在空间变化上呈现出与地形相一致的高低相间的分布形式，季节变化特点也较显著，在北疆部分地区有较明显的逆温现象，且逆温层呈不连续状态．

用复数自回归模式预报月平均气温

在复数域最小二乘法的基础上,建立了复数自回归模式。数学推导和实例应用表明:这一复数自回归模式不同于将复数序列中的实部和虚部分开来计算的结果,将实部和虚部分开来计算的方法不是真正意义的最小二乘法。应用包括一个任意给定的复数序列和全国160个基本气象台站上历年7月月平均气温。采用距平相关系数和均方根误差两种检验标准,对独立预报结果进行检验,并与其他3种常用统计模型作比较。结果显示:该复数自回归模式确实具有较好的预报效果。

使用岭回归对哈萨克斯坦月平均气温的统计降尺度研究

哈萨克斯坦是世界最大的内陆国家,拥有典型的大陆性气候和多样的地理环境及生态系统,同时哈萨克斯坦的自然环境和人类社会对于气候变化这一全球性问题是敏感的、脆弱的,需要运用科学的研究方法应对气候变化的挑战。通常,区域或局地尺度的气候变化影响研究需要对气候模式输出或再分析资料进行降尺度以获得更细分辨率的气候资料。近年来,大量验证统计降尺度方法在各个地区能力的研究见诸文献,然而在哈萨克斯坦地区验证统计降尺度方法的研究非常少见。本文使用了岭回归的方法对哈萨克斯坦地区11个气象站点1960-2009年的月平均气温进行了统计降尺度研究。结果显示,使用前30年数据和岭回归模型建立大尺度预报因子和观测资料的统计关系可以较好地预测后20年的月平均气温,预测能力在各站各月均有不同程度的差异,地形复杂的站点预测效果较差,夏季预测结果好于冬季;此外,将哈萨克斯坦地区平均来看则与观测数据相吻合。

杭州市复杂地形下月平均气温分布式模拟

杭州位于中国东南沿海北部,地形复杂多样,本文利用复杂地形下月平均气温分布式模拟的方法对杭州市2010-2014年的月平均气温进行了空间化模拟,生成了100 m×100 m分辨率的月平均气温的空间分布图。模拟结果通过与使用较多的反距离加权法和普通克里格法进行了对比。结果表明:复杂地形下月平均气温分布式模拟在杭州的应用中,模型拟合的平均绝对误差在0. 17℃~0. 35℃之间,平均相对误差在于1%~6%之间,拟合结果略好于反距离加权法和普通克里格法。坡度、坡向和海拔高度对月平均气温的影响较大,复杂地形下月平均气温的空间分布具有明显的局地地域分布特征,模型拟合结果能很好的体现出杭州市月平均气温的空间分布信息。考虑了地形,太阳辐射等因素的杭州市复杂地形下月平均气温分布式模拟的结果包含了各种地形信息,具有更好的适用性。

月平均气温集成预测方法研究

为了有效综合各种预测方法的预测结果,以陕西3个气候区域1999年7月至2010年6月月平均气温的集成预测为例,利用3种预测方法和国家气候中心业务产品月平均气温预测结果历史评分建立二类6种动态客观集成预测方法进行对比研究,结果表明:(1)各种集成预测方法年评分平均值均高于参加集成的任何一个成员,6种集成预测方法评分平均值比4个成员评分平均值高4.6,比同期陕西发布的业务产品高5.1;各种集成预测方法预测与实况距平符号一致率至少高于其中3个成员,6种集成预测方法预测与实况距平符号一致率平均值比4个成员平均值高4.7%,比陕西业务产品高5.1%。(2)3个气候区域中,榆林集成预测效果最好。6种集成预测方法评分平均值比4个成员评分平均值高5.7,比陕西业务产品高5.7;预测与实况距平符号一致率比4个成员高6.9%,比陕西业务产品高7.3%。(3)第二类集成预测方法预测技巧高于第一类,全年评分平均值高0.5,预测与实况距平符号一致率高0.7%。其中Z_(23)全年评分平均值比4个成员评分平均值高5.1,比陕西业务产品高5.7,预测与实况距平符号一致率比4个成员高6.0%,比陕西业务产品高7.6%,推荐首先选择使用。

青海省月平均气温潜在长期可预报性的估计

讨论了气候信号与气候噪声的相互关系和月平均气温预报正确率的上限问题。用青海省２５个站逐日气温的多年资料，按３种方法估计了气候信号和气候噪声的方差。结果得出，如果以绝对误差小于均方差的０．６８倍作为预报正确的标准，则青海省月平均气温预报正确率的上限约为６６％～７２％，冬季与夏季差别不大。

基于主成分分析的BP神经网络和RBF神经网络月平均气温预测模型

应用基于主成分分析的BP神经网络和RBF神经网络建立了气温预测模型.通过比较模型的均方误差(MSE)和平均绝对误差(MAE)值可知,采用主成分分析的BP神经网络得到的预测模型的误差小于主成分分析的RBF神经网络预测模型.结果表明,模型采用主成分分析提取了影响因变量的重要因子,去掉了网络输入样本的自变量之间的重叠因子,同时也提高了预测能力.

基于卡尔曼滤波的神经网络月平均气温预测模型

利用湛江市近50年来的月平均气温时间序列资料,将卡尔曼滤波与人工神经网络方法相结合,建立了湛江气温的短期气候预测模型。试验结果表明,这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力,在平均绝对误差(MAE)小于1.5℃的条件下,实际预报准确率达到91.7%,对短期气候预测的业务工作具有较高的参考价值。

具有引导变量的模型在月平均气温预报中的应用

多层递阶方法包括多层递阶辨识、多层递阶预报和多层递阶控制。多层递阶预报方法已经成为我国长期和超长期天气预报10大主要方法之一。为此,应用了具有引导变量的模型的多层递阶预报模式,并对其进行了具体预报,预报的效果令人满意。

用分类赋值法确定横断山区夏季月平均气温

一、引言 横断山区地处青藏高原向云贵高原和四川盆地的过渡带,高山(顶峰海拔多达5000—6000m)与深谷(一般海拔1000m左右)相间,相对高差大。地貌类型错综复杂,高原、高山、深谷、宽谷和平坝等纵横交错。气候的垂直地带性突出,具有“一山有四季、十里不同天”的特点。

陕西省月平均气温空间插值方法研究

为弥补陕西省气象站点数量有限、空间分布不均等问题,对常用空间插值方法进行比较研究,探寻适宜陕西省气温空间插值方法。根据陕西省内外110个气象站点1981-2010年的月平均温度,选用反距离权重法、普通克里金法与多元线性回归法进行空插值,利用实际验证法进行精度评估。结果表明,考虑了经度、纬度和高程的多元线性回归法的插值精度最高,普通克里金法次之,反距离权重法精度最低;多元线性回归分析法对陕西省气温插值最为适宜。

县级山区月平均气温推算方法

本文根据山区月乎均气温形成的主要物理过程,提出以海拔高度、坡地太阳总辐射、地形动力因素为因子的新的月乎均气温推算方法,并以浙江龙泉山区为例进行拟合和计算。经检验,平均拟合误差为0.2℃,最大误差不超过0.4℃。

江西省月平均气温振荡周期探讨

本文对江西省十七个国家基本站自1951年或自建站以来到1988年的月平均气温,进行功率谱分析,得出准11个月、4～5个月两种比较明显的振荡周期.并对这些周期的成因进行了初步探讨,从而证实了影响华南气候的主要因素.

基于复杂地形下月平均气温分布式模拟的山区逆温研究

山区实测资料短缺对研究山地逆温带来不便,利用复杂地形下月平均气温分布式模型模拟的气温结果,对天山、哀牢山、武夷山山区逆温的高度、厚度、强度进行了研究,描述了逆温的时空分布规律,并对其成因进行了简要分析。研究结果表明各山都存在多层逆温,相比山体上部来讲山脚逆温出现频率高,强度较大,厚度达到400 m。不同坡向逆温出现的海拔高度、厚度、强度不同,但不同年份的总体走势变化不大。经过对比,证明利用复杂地形下月平均气温分布式模型得出的逆温结果与前人成果具有一致性,能较好地反映出我国不同气候区域山地区逆温随坡向的分布和季节变化特征,对局地小气候的特征规律也能够较好的表达。

湖南月蒸发量的时空变化特征及其与月平均气温的相关性

运用经验正交函数（EOF）和交叉小波变换法,分析了湖南省1981―2013年月蒸发量的时空分布特征及其与月平均气温之间的非线性交互关系。月蒸发量的EOF分解表明：前3个空间模态的累计贡献率达77.9%。其中EOF1（63.4%）揭示了湖南省月蒸发量最主要的时空分布特征呈东西反向型,体现出月蒸发量与高程之间存在一定的负相关性;EOF2（8.5%）具有正负位相频繁交替的时间系数,反映了更为复杂的时空变化特征;EOF3（6.0%）的值自西北向东南呈＂＋、-、＋＂分布。然后,分别选用洪江、桑植和新晃站作为3个空间模态的代表站点,并计算出各站点的月蒸发量与月平均气温之间的交叉小波谱和小波一致性,结果表明：两者之间的相关性在8-16个月的时间尺度下最强,且其相位角均为0°,说明气温对蒸发量的影响在该时间尺度下最为显著且不存在时滞效应,但在〈8个月和〉16个月的时间尺度下,强相关性的出现频率和分布以及相位角的方向沿时间轴均呈现出较大的差异性。

控制镇江月平均气温变化的动力系统的重建及其预报应用

本文运用镇江月平均气温一维时间序列作相空间拓展，和假定相空间状态变量随时间的演化方程含有线性项和二次非线性项，利用最小二乘法求解各项系数，保留其大差贡献较大的项，重建动力系统．并用镇江月平均气温实测值作检验．结果表明，重建的动力方程对月平均气温的演变能作出较好的描写．

基于混合优化RBF神经网络的月平均气温预测

针对径向基函数(RBF)神经网络关键参数的优化问题,提出基于遗传操作的粒子群混合优化RBF神经网络算法,通过结合遗传操作,避免粒子群潜在的局部收敛。将此方法应用在月平均温度预测中,并与传统的RBF和BP神经网络同期对应的预测结果进行对比。结果表明,混合优化的RBF神经网络在预测精度和稳定性方面均优于传统算法,可以为短期气候预测提供参考。