用支持向量机方法做登陆热带气旋站点大风预报

将支持向量机(SVM)回归方法应用于在登陆热带气旋影响下,每天00、06、12、18 UTC 4时次2分钟平均的站点风速预报。从2002-2007年热带气旋本身强度、站点地形情况和站点附近高低空环境场要素,设计相关因子,建立了4种预报模式,其中模式4的风速拟合误差的标准差为1.591 m·s^(-1)。用2008年8个登录热带气旋做独立样本检验,预报风速与实际风速的平均绝对值误差为1.750 m·s^(-1),标准差为2.367 m·s^(-1)。结果表明,在适当的样本截取和预报因子选取后,SVM方法建模的风速预报48小时内效果较好。

KNN方法在11-3月中国近海测站日最大风速预报中的应用

应用自组织神经网络方法对欧洲中心(ECMWF)2003年1月1日至2006年12月31日逐日数值预报产品分析场进行天气形势分型,发现11—3月影响我国的天气形势基本属于同一类型。对2004—2007年11—3月ECMWF逐日数值预报产品进行动力诊断,提取与中国近海16个测站日最大风速相关较好的预报因子,将改进后的KNN方法作为预报手段,建立11—3月近海测站日最大风速预报模型,并对2007年1—3月16个测站进行逐日检验,结果表明该方法对近海测站日最大风速有较好的预报能力。

基于统计的台风影响下珠海站风速预报方法

利用2006—2016年中国气象局(CMA)台风最佳路径数据集和珠海站的逐小时风速资料,通过线性回归方法,建立了一种基于台风中心位置、强度对珠海站风速预报的方法。结果表明:(1)珠海站周围400 km范围内年平均有4.6个台风活动,且主要集中在西南象限和东南象限;(2)台风位于西南象限时其中心风速与珠海站风速的线性关系最好,珠海站风速也最大;(3)利用2017年台风数据和珠海站实际风速数据对预报方程进行检验,其预报效果较好。