期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Increased summer electric power demand in Beijing driven by preceding spring tropical North Atlantic warming
被引量:
1
1
作者
Liwei Huo
Ji Wang
+5 位作者
Dachao Jin
Jingjia Luo
Haibo Shen
Xiaoxiao Zhang
jingjing min
Yi Xiao
《Atmospheric and Oceanic Science Letters》
CSCD
2022年第1期62-67,共6页
本文利用北京市电力负荷资料,北京市站点观测温度资料,CN05.1温度资料,ERA5大气再分析资料及ERSST v3b海表温度资料,发现3-4月副热带北大西洋海温异常和北京市夏季电力呈很好的正相关关系,并揭示了副热带北大西洋海温异常影响北京市夏...
本文利用北京市电力负荷资料,北京市站点观测温度资料,CN05.1温度资料,ERA5大气再分析资料及ERSST v3b海表温度资料,发现3-4月副热带北大西洋海温异常和北京市夏季电力呈很好的正相关关系,并揭示了副热带北大西洋海温异常影响北京市夏季电力的可能物理机制.春季副热带北大西洋海温异常偏暖,热带中太平洋出现东风异常并持续至夏季,太平洋信风增强,热带中东太平洋冷水上翻增强,通过Bjerkness正反馈机制激发了La Nina事件.La Nina事件时,西北太平洋反气旋环流异常,将低纬度暖湿气流输送至北京地区,引起北京市夏季温度增高,电力负荷需求增加.反之亦然.研究结果可为北京市夏季电力负荷需求的季节预测提供新的科学依据和线索.
展开更多
关键词
电力
夏季
北京市
热带北大西洋
海表温度
下载PDF
职称材料
Multi-model ensemble forecasting of 10-m wind speed over eastern China based on machine learning optimization
2
作者
Ting Lei
jingjing min
+3 位作者
Chao Han
Chen Qi
Chenxi Jin
Shuanglin Li
《Atmospheric and Oceanic Science Letters》
CSCD
2023年第5期95-101,共7页
风对人类活动和电力运行有重大影响,准确预报短期风速具有深远的社会和经济意义.基于中国东部100个站点,本研究首先评估了5个业务模式对10米风速的预报能力,日本气象厅JMA模式在减少预报误差方面表现最好.进一步,利用5种数值模式和多种...
风对人类活动和电力运行有重大影响,准确预报短期风速具有深远的社会和经济意义.基于中国东部100个站点,本研究首先评估了5个业务模式对10米风速的预报能力,日本气象厅JMA模式在减少预报误差方面表现最好.进一步,利用5种数值模式和多种机器学习方法,将动力和统计相结合,对每个站点分别进行了特征工程和机器学习算法优选,建立了10米风速多模式集成预报模型。针对24至96小时预报时长,将该方法的预报性能与基于岭回归的多模式集成和JMA单模式进行比较.结果表明,基于机器学习优选的多模型集成方法可以将JMA模式的预报误差降低39%以上,预报效果的提升在11月最明显.此外,该方法优于基于岭回归的多模式集成方法.
展开更多
关键词
风速
机器学习优选
集成预报
岭回归
下载PDF
职称材料
题名
Increased summer electric power demand in Beijing driven by preceding spring tropical North Atlantic warming
被引量:
1
1
作者
Liwei Huo
Ji Wang
Dachao Jin
Jingjia Luo
Haibo Shen
Xiaoxiao Zhang
jingjing min
Yi Xiao
机构
Key Laboratory of Meteorological Disaster
Beijing Regional Climate Center
Power Dispatching Control Center
Beijing Meteorological Service Center
出处
《Atmospheric and Oceanic Science Letters》
CSCD
2022年第1期62-67,共6页
基金
supported by the National Natural Science Foundation of China [grant number 42088101]
the National Key R&D Program of China [grant number 2018YFC1505604]
the National Natural Science Foundation of China [grant numbers 42005016 and 41905061]。
文摘
本文利用北京市电力负荷资料,北京市站点观测温度资料,CN05.1温度资料,ERA5大气再分析资料及ERSST v3b海表温度资料,发现3-4月副热带北大西洋海温异常和北京市夏季电力呈很好的正相关关系,并揭示了副热带北大西洋海温异常影响北京市夏季电力的可能物理机制.春季副热带北大西洋海温异常偏暖,热带中太平洋出现东风异常并持续至夏季,太平洋信风增强,热带中东太平洋冷水上翻增强,通过Bjerkness正反馈机制激发了La Nina事件.La Nina事件时,西北太平洋反气旋环流异常,将低纬度暖湿气流输送至北京地区,引起北京市夏季温度增高,电力负荷需求增加.反之亦然.研究结果可为北京市夏季电力负荷需求的季节预测提供新的科学依据和线索.
关键词
电力
夏季
北京市
热带北大西洋
海表温度
Keywords
Electric power
Summer
Beijing
Tropical North Atlantic
Sea surface temperature
分类号
TM73 [电气工程—电力系统及自动化]
P731.11 [天文地球—海洋科学]
下载PDF
职称材料
题名
Multi-model ensemble forecasting of 10-m wind speed over eastern China based on machine learning optimization
2
作者
Ting Lei
jingjing min
Chao Han
Chen Qi
Chenxi Jin
Shuanglin Li
机构
Beijing Meteorological Service Center
Climate Change Research Center
Department of Atmospheric Science
出处
《Atmospheric and Oceanic Science Letters》
CSCD
2023年第5期95-101,共7页
基金
the Beijing Natural Science Foundation[grant number 8234068].
文摘
风对人类活动和电力运行有重大影响,准确预报短期风速具有深远的社会和经济意义.基于中国东部100个站点,本研究首先评估了5个业务模式对10米风速的预报能力,日本气象厅JMA模式在减少预报误差方面表现最好.进一步,利用5种数值模式和多种机器学习方法,将动力和统计相结合,对每个站点分别进行了特征工程和机器学习算法优选,建立了10米风速多模式集成预报模型。针对24至96小时预报时长,将该方法的预报性能与基于岭回归的多模式集成和JMA单模式进行比较.结果表明,基于机器学习优选的多模型集成方法可以将JMA模式的预报误差降低39%以上,预报效果的提升在11月最明显.此外,该方法优于基于岭回归的多模式集成方法.
关键词
风速
机器学习优选
集成预报
岭回归
Keywords
Wind speed
Machine learning optimization
Ensemble forecast
Ridge regression
分类号
P457.5 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Increased summer electric power demand in Beijing driven by preceding spring tropical North Atlantic warming
Liwei Huo
Ji Wang
Dachao Jin
Jingjia Luo
Haibo Shen
Xiaoxiao Zhang
jingjing min
Yi Xiao
《Atmospheric and Oceanic Science Letters》
CSCD
2022
1
下载PDF
职称材料
2
Multi-model ensemble forecasting of 10-m wind speed over eastern China based on machine learning optimization
Ting Lei
jingjing min
Chao Han
Chen Qi
Chenxi Jin
Shuanglin Li
《Atmospheric and Oceanic Science Letters》
CSCD
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部