利用数值预报资料制作7—8月天气预报

本文以５００ｈｐａ五天平均日特征为主，参改逐日５００ｈｐａ天气图，对１９７５—１９８６年７—８月份的多降水过程，少雨时段进行分型，分别找出各型的形势特征。预报时使用欧洲预报中心５００ｈｐａ数值预报资料，预报日前一天的零时高度场和以其为初始场的２４—９６小时预报的格点高度资料，在计算机上打印出５天平均高度场图，然后套用各型指标，作完全预报，当符合某型时，将其预报结果向地、市台发布。

用ECMWF资料作江淮区域性暴雨落区预报的试验

使用ＥＣＭＷＦ资料，由８５０ｈＰａ、２００ｈ－Ｐａ风场计算物理量，建立预报方程，作江淮地区暴雨落区预报试验。经１９９３年６—７月预报检验，该方程具有一定参考价值，但同时也发现了一些问题。这些问题待我国Ｔ６３模式业务运行后将部分得到解决，暴雨预报准确率可望有所提高。

亚欧500hPa旬平均形势预报的改进及检验

利用数值预报产品，对原亚欧５００ｈＰａ旬平均形势预报方程作了改进。除对空间和时间尺度上作了改进外，在预报因子的选择上，由亚欧地区的单点相关，扩张至整个北半球的相关；并根据长波天气系统的气候地理分布和遥相关分析等方法，选择关键区作为候选因子，组建了新的形势预报方程。经检验比较，新的形势预报方程高度距平正确率和长波系统位置正确率分别提高了０．１５—０．２０和０．１０。

MICAPS数据监视及控制传输处理程序开发

利用VisualBasic6 .0作为编程工具,以MICAPS系统中的T213、欧洲数值预报解码程序为基础,根据四川省气象台业务的实际情况开发的本程序,可以随时监视并直观显示MICAPS系统中的数值预报数据传输和处理情况,并根据所需能分类按局部传输或处理数值预报数据,提高了数据传输时效,给MICAPS系统的数据维护带来了方便。

神经网络驱动性模糊推理模型及其算法

首先建立神经网络驱动性模糊推理模型 ,然后建立推理系统和算法步骤 。

基于粒子群优化极限学习机的风功率预测

风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群优化算法(PSO)应用于ELM中,提出了一种基于粒子群优化极限学习机的风功率预测方法。该方法首先将数值天气预报信息(NWP)数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用粒子群算法优化ELM中的输入权值和阈值,从而建立起基于NWP和PSO-ELM风功率预测模型。对华东地区3个不同装机容量的风场NWP数据进行实验。结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据。