太阳黑子面积数与黑子数指标在大气预报中的应用对比分析

分别应用太阳黑子视面积数和太阳黑子相对数代表太阳活动水平与天津夏季降水总量进行相关分析,结果表明黑子面积指标明显优于黑子数.

大气污染物浓度的神经网络预报

首次将神经网络应用于实测大气污染物浓度的预报.结果表明,预报值与观测值符合得较好.由于人工神经网络具有逼近精度高、学习速度快、对资料长度要求不高等优点,因而在非线性时间序列的预报中显示出了独特的优越性,并将会在大气环境和气候预报中得到越来越多的应用.

BP模型的改进及其在大气污染预报中的应用

针对传统BP模型存在着训练速度较慢、局部极值以及最佳网络结构无法准确确定的不足 ,进行了改进 ,应用于城市空气污染预报 ,建立大气污染浓度的神经网络预测模型。计算结果表明 ,应用改进的BP模型进行大气污染预报能够得到更好的预测结果 。

基于卫星数据和NRLMSISE-00模型的低轨道大气密度预报修正方法

NRLMSISE-00大气模型广泛应用于航天器定轨和预测等方面,但存在着较大的误差,尤其是在短期变化方面.为了提高低轨道大气密度短期预报的精度,我们提出了一种基于实测数据对NRLMSISE-00大气模型密度结果进行修正预报的方法:利用GRACE(Gravity Recovery and Climate Experiment)和CHAMP(Challenging MiniSatellite Payload)卫星2002—2008年大气密度探测数据对NRLMSISE-00模型进行误差分析,获得模型的修正因子,再对模型的大气密度结果进行修正.采用该修正方法对GRACE-A和CHAMP卫星轨道上的大气密度进行3天短期预报试验验证,结果表明可显著提高大气密度的预报精度,在太阳活动低年,修正后的大气密度预报误差比NRLMSISE-00模型误差降低50%以上.

关于大气过程可预报性问题的一些讨论

从非线性角度重新解读了vonNeumann提出的大气运动三个分类,指出大气过程预报问题中存在两类不确定性———初始条件的不确定性和外强迫条件的不确定性,它们分别成为第一类可预报性与第二类可预报性问题的研究对象。强调了大气过程可预报性的客观存在性,由于大气过程的复杂性及人类观测手段和认识水平的限制,人们只能给出这些可预报性的估计,逐日天气预报存在上限(2周左右)。分析了预报误差产生的来源是初始条件的不确定性和预报模式的不完善性,但根本原因是大气过程的混沌本质;还分析了混沌系统误差增长理论,但由于实际大气过程包含很多显著不同的时空尺度以及不同尺度间的相互作用,人们对大气过程复杂的误差增长规律的认识还不是很清楚;最后讨论了动力学数值模式中不同的空间分辨率会改变系统的性质,指出可预报性问题的研究必须考虑空间分辨率的影响。而在讨论初值不确定性对预报的影响时,不需要考虑控制参数微小变化产生的影响,当然条件是控制参数的微小变化不会引起系统性质的重大变化。

大气数值预报模式中高度地形追随坐标的设计研究:理论分析与理想试验

采用一种统一的地形追随坐标的形式,对Gal-Chen&Somerville(简称Gal.C.S坐标)、平缓坐标(smoothed levelverti calcoordinate,简称SLEVE坐标)等几种典型的高度地形追随坐标进行了气压梯度力计算误差影响和二维质量平流试验的理论分析,并与一种新提出的高度地形追随坐标——三角函数平缓坐标(简称COS坐标)进行比较。气压梯度力计算误差分析结果显示,与Gal.C.S坐标相比,单尺度平缓坐标(简称SLEVE1坐标)、双尺度平缓坐标(简称SLEVE2坐标)和COS坐标在减小气压梯度力计算误差上有不同程度的改进,SLEVE2坐标和COS坐标比其他两种坐标更具优势,衰减系数b和坐标转换的雅可比项对减小误差起决定性作用。二维质量平流试验也有类似的结果,与无地形的参考试验结果相比,COS坐标的质量输送计算误差最小,且经优化的COS坐标的质量输送计算误差几乎和参考计算误差完全重合,在4种坐标中最优。

利用支撑向量机预报大气污染物浓度

针对污染物浓度序列具有强非线性和显著长程相关性的特点,结合相空间重构和支撑向量机(SVM)构建了一个多步预报的递归模型。对理想混沌序列和多种污染物浓度资料的实验结果表明,模型预报的准确率和效率均显著优于人工神经网络。这种通用建模方法的优势在于对系统非线性机制的反馈十分清晰,充分发挥了SVM适用于小样本问题、映射能力强、全局最优等特点,对非线性时间序列预报适用的其他领域同样具有启发意义。

支持向量机在大气污染预报中的应用研究

支持向量机是基于统计学习理论的新一代机器学习技术,其非线性回归预测性能优越于传统统计方法。利用前一天该污染物的日均浓度、前一天地面平均风速等7个预报因子建立了基于RBF核函数支持向量回归法的大气污染预报模型,并利用十重交叉验证和网格搜索法寻找模型最优参数。乌鲁木齐大气预报实例表明:支持向量机显示出小样本时预报精度较高和训练速度快的独特优势,为空气质量预报提供一种全新的模式。

微波遥感在大气边界层预报中的应用

本文利用5mm(54.5 GHz)微波辐射计遥感大气边界层的温度廓线,并利用大气边界层数值模式,预报大气边界层的发展。首先改善5 mm微波辐射计遥感大气温度层结的方法,提高精度;其次建立模拟和预报大气边界层发展的一维数值模式,用微波辐射计观测结果每3小时对模式进行一次初始化,使模式能跟踪和预报实际大气边界层的发展,并用实测资料做了验证。

人工神经网络法在大气污染预报中的应用

以鞍山市为例,应用人工神经网络方法,模拟人脑的思维方式,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。

兰州市大气污染气象潜势预报研究

介绍了大气污染气象潜势预报方法和兰州市大气污染气象潜势预报系统 .通过 2 0 0 1年 9～ 12月兰州市空气质量预报检验分析 ,表明该系统对首要污染物等级预报准确率在 6 0 %以上 ,对兰州市空气质量预报具有较好的指示性 .

大气成分预报业务值班系统的设计与实现

对大气成分业务值班系统(以下简称系统)的设计思想、内容、特点做了介绍,阐述了系统的主要功能和设计方法。该系统界面友好、功能齐备、结构清晰、灵活性强,有效地促进了大气成分预报业务工作。

基于ConvLSTM和PredRNN的大气能见度预报方法

精准的大气能见度预报对空气污染治理、保障公共交通安全等方面具有重要意义。基于2019年12月1日至2020年9月23日国家气象信息中心观测的大气能见度站点数据,分别采用ConvLSTM模型和PredRNN模型对中国中东部地区的能见度进行12 h预报,并对这两种模型的预报结果进行评价。试验表明,PredRNN模型相对于经典的ConvLSTM模型在大气能见度预报、图像质量评价指标和预报指标上都有更好的表现。此外,分析还表明,相对于ConvLSTM模型,PredRNN模型对4000 m中等级别雾区预报效果随时间延长有明显提升。

BP网络模型在朝阳地区大气污染预报中的应用

目前,人工神经网络理论发展迅速,并在模式识别和系统辨识中得到广泛应用。而其中采用误差反向传播方法(Back Error Propagation)的BP网络模型是目前应用最为广泛的神经网络模型之一,它是一种简单而又非常有效的算法。本文应用人工神经网络方法,在模拟人脑的思维方式下,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。

城市大气污染预测预报方法研究

本文对煤烟型污染物在大气环境中的变化规律进行了研究，并探讨了大气污染预测预报的基本科学方法和程序。

顾及周期性变化的大气加权平均温度模型构建

针对大气加权平均温度(T_(m))是地基全球卫星导航系统(GNSS)水汽反演过程中的一个中间变量,其精度会影响地基GNSS水汽反演精度,同时T_(m)表现出较强的地域性差异的现状,研究建立地区的T_(m)模型:利用兰州市榆中探空站气象数据和欧洲中期天气预报中心第五代大气再分析数据集(ERA5)分别建立单因子、顾及年周期变化、顾及年和半年周期变化的T_(m)模型;并对2种气象数据所建的3类模型进行显著性检验和精度验证。结果表明:模型均能通过显著性水平为0.05的显著性检验,同时顾及周期性变化模型的预测值的均方根误差和平均绝对误差均小于贝维斯(Bevis)模型和单因子模型;利用顾及周期变化的模型预测的T_(m)偏差中大于5 K和大于10 K的值占比明显减小且预测残差的周期趋势明显减弱,具有零均值的正态分布特性,仅表现出误差的随机性。总体而言,ERA5气象数据所建模型预测精度高于探空站气象数据所建模型;用ERA5气象数据建立的顾及周期性变化的T_(m)模型可用于兰州市GNSS大气水汽反演。

集合预报方法研究及应用进展综述

简要介绍了国内外集合预报研究及业务应用进展。涉及集合预报的4个方面:初始扰动生成、数值模式选择、预报信息提炼和预报系统及结果评价。结果可供改进我国集合预报业务的研究工作参考。

大气污染预测的理论和方法研究进展

介绍中国科学院 “九五”重大科研项目 “大气污染预测的理论和方法研究”的研究意义、目标和具体的研究内容，

呼和浩特市大气污染与天气气候的关系

利用1990～2002年呼和浩特市区空气污染物TSP、SO2、NOX浓度的实际监测数据,分析了呼和浩特市大气污染物浓度变化的时空分布特征、大气污染与天气条件的关系。呼和浩特市市区主要以煤烟型污染为主,冬、春季比夏、秋季污染严重,采暖期比非采暖期污染严重,市区中心污染最严重。污染物的排放量及大气的稳定度状态是城市大气污染的主要影响因子,天气变化是城市大气污染物浓度变化的主导因素,局地环流是决定城市污染物分布的关键因素。因此,不同季节排污量的变化、天气条件是制作呼和浩特市大气污染预报的主要依据。