基于Google Earth的气象多参数综合显示系统

利用Google Earth平台,将天气过程中的雷电、红外云图、MICAPS高空图以及TMPA降水资料,通过编写KML/KMZ文件,建立了气象多参数综合显示系统。该系统平台的建立,可在三维空间中真实动态地再现天气的发生发展及演变过程。此平台将有利于灾害性天气成灾过程和物理机制的研究。

基于多隐层神经网络的GNSS PWV和气象数据的降雨预测研究

随着GNSS技术在气象学领域的发展和应用,获取高精度、高时空分辨率的PWV/ZTD成为可能,利用GNSS获取的PWV/ZTD对短临降雨预测引起国内外学者的关注。目前该理论的主要缺陷是错报率较高,其主要原因是降雨是多种气象过程综合作用的结果。因此,本文提出利用多种气象参数(温度、气压、相对湿度),时间相关参数(年积日、日积时、时积分)和PWV进行短临降雨预测的方法,通过多隐含层神经网络建立降雨和各种参数的非线性关系并对降雨进行短期预报。试验结果表明,基于多隐含层神经网络构建的预测模型可预测出95%以上的降雨事件,且错报率仅为20%左右,较现有短临降雨预测理论正确率提高近10%,错报率相当。

基于LSTM模型的降雨短临预报

为了利用大气可降水量(Precipitable Water Vapor,PWV)预报降雨,针对PWV在降雨过程中处于动态变化的现象,提出使用长短期记忆神经网络(LSTM)构建基于时序数据的多气象参数短临降雨预报模型。实验表明,当设置预报时间在1~6 h的情况下,模型短临预报降雨的整体性能优于其他时间尺度的预报,能预报目标区域约47%的降雨,模型的准确率为66%,略优于传统PWV分析方法;误报率为8%,优于传统PWV分析的预报方法。