基于改进粒子群算法的神经网络在月降水预报中应用

针对粒子群算法易陷入局部最优和寻优精度比较低等缺点,提出一种基于随机惯性权重和异步变化策略的学习因子的粒子群算法优化神经网络连接权重和阈值,并以此建立月降水预报建模研究.以广西桂北地区的月降水量实例分析,并与标准粒子群优化神经网络模型、随机权重的粒子群神经网络模型和神经网络模型对比,结果表明,该方法学习能力强和预测精度高,是一种有效的建模预报方法.

动力延伸预报产品在广西月降水预报中的应用

利用1958—2005年NCEP/NCAR再分析资料和2003—2005年国家气候中心的动力延伸预报产品,运用自然正交函数展开(EOF)求取预报关键区内的空间特征向量及其时间系数,结合相似离度方法查找与预报月份相似的个例,进而作出广西月降水量预报。独立样本试验证明,利用动力延伸预报产品制作的区域月降水预报比利用前期实况高度距平场相关区域制作的预报效果更好。

东北区夏季月降水数值产品释用预报方法

采用卡尔曼滤波法对国家气候中心的 T63动力延伸预报场进行误差订正 ,将订正后的预报场用于基于天气系统特征定性判断与相似离度指数定量相似相结合的降水预报模型 ,制作东北区 51个站点的定量的月降水预报 ,并对 1 996～1 998年夏季月降水进行了预报试验 ,试验效果较好 .

利用支持向量机方法预报那曲县月降水量

支持向量机(Support Vector Machines)方法,简称SVM方法。SVM方法是计算机学习的一种新方法,是基于历史数据建立预报预测模型的有效工具。这一方法数学推导严密,理论基础坚实,已经成为预测预报、模式识别、计算智能等领域的热点技术,受到了国内外的广泛关注。作为月降水定量预报方法的尝试,利用那曲县及安多县的月平均常规气象资料及74个环流场资料,利用国家局陈永义老师等开发的支持向量机学习建模预报软件平台(SVM2.0)作了那曲县月降水量预报试验,其结果显示出了该方法有一定的预报能力。

DERF产品在贵州降水主分量逐步回归预报模型中的释用

从短期气候预测业务面临的实际问题出发,针对月尺度气候预测,通过多元逐步回归统计方法对1981~2010年贵州省降水主分量与NCEP/NCAR再分析资料的500 h Pa高度场建立预报模型,进而将该预报模型分别应用到2007~2013年5月16日、21日、26日起报的DERF产品500 h Pa高度场中,以检验不同起报时间DERF产品的预报能力。结果表明：贵州83站6月降水量EOF前5个模态的方差累积贡献率均达到了65%以上,PC1与同期6月降水量标准化序列的相关系数达0.955。贵州6月降水量与副热带高压位置以及中高纬度大气环流密切相关。释用DERF产品发现,该产品对贵州6月降水主分量具有一定的可预报性,其中5月26日起报的预报效果较好,其与同期NCEP/NCAR拟合值和实况值的相关系数分别为0.76和0.53。对2007~2013年5月26日起报6月的DERF产品释用预报结果进行Acc和Ps评分检验,发现除2008年预报评分较低外,其余6 a预报评分较好,Acc平均为0.45,Ps平均为82.0,尤其是2007年和2009年DERF产品释用的预报Ps评分分别达83.9和83.5,表明DERF产品在贵州降水主分量逐步回归预报模型中的释用具有较好的预报能力。

相似离度在钦州市月降水量预报中的应用

试用钦州市 4月份降水量与前期 5 0 0 HPA各月平均高度场作相关分析 ,选择一批优势相关区 ,并用历年各优势相关区内相关系数 r绝对值大于等于 0 .4 ,且点数为 3点以上并连在一起的所有格点的平均值与预报年的相应区域内格点平均值作相相似离度计算 ,预报 4月雨量。并将 1996～ 2 0 0 1年作为试报年 ,结果 6年报对 5年 ,准确率为 83%。

用非线性映象法作钦州市月降水量预报的研究

选取反映大气环流作用的500hPa的三个因子场:1956～2001年环流特征量、振幅和位相资料作为预报因子与钦州市1957～2002年5月降水量求相关比,将求得的高相关比因子用非线性映象法制作钦州市1995～2002年5月的降水量预报,试报效果明显。

2～4月降水量预报的一种制作方法

龙海是个农业大县，春播期（2～4月）降水量预报是长期预报服务中的一个重要项目。笔者对本站1961～1997年气象资料进行分析，结合本站经验，从中找出若干预报因子，建立本区2～4月降水量预报方程，并对此进行一些讨论。

用北太平洋海温场资料制作月降水量预报

使用东营市 1 96 3～ 1 996年逐月降水量资料和 1 96 2～ 1 996年北太平洋海温资料 ,采取滚动式相关分析方法 ,建立了备选因子集。另外 ,应用逐步回归、最优子集回归、人工神经元网络、多因子EOF迭代等四种统计方法 ,分析了东营市月降水量与北太平洋海温场的关系。结果表明 :东营市月降水量与北太平洋海温场存在显著相关 ;采用四种统计方法制作东营市月降水量预报 。

以数轴分组编码法作7～9月降水量预报

7—9月我区进入盛夏季节，此时既是夏熟作物（如晚稻等）生长关键期又是工业生产旺季，工农业都与水的关系十分密切。因此，做好此时的雨量预报，对各行各业合理安排生产，趋利避害是很有意义的。本文以同安的5个气象要素为因子，采用“数轴分组编码”方法制作同安7-9月的降水量预报方法，在40年的历史拟合中和5年的实际应用中，本方法都取得较好的效果，现做介绍如下。

动力延伸预报产品释用方法的改进试验

依据动力延伸预报产品释用方法中所建立的月降水距平百分率预报方程,将方程系数看成是动态系数,采用与预报月高度场相似月份的资料作为样本资料,通过改善方程系数的计算来提高月降水预报.1998～2004年的历史实况资料在安徽省的回报实验证明:在目前T63/NCC月动力延伸预报产品的准确率不能快速提高的情况下,该方法具有实际应用价值.利用T63/NCC月动力延伸产品进行安徽省月降水预报应用亦取得较好的效果.

相似-动力方法在动力延伸预报产品释用方法中的应用研究

在分析过去基于统计—动力月降水距平百分率预报方程基础上,建立了以500 hPa月平均高度场为核心的相似—动力月降水预报方程。以安徽省1998—2004年各月的降水为预报对象,发现该方法对安徽省月降水预报具有一定的预报能力。文中指出该方法对安徽省每年3月、11月月降水预报效果较好,6月、10月月降水预报效果较差;由于引起1999年气候异常的原因有其独特性,导致无法选择到足够合适的历史资料来反演方程的系数,这可能是1999年月降水预报结果相对较差的主要原因。

ON STRONG SIGNALS OF MONTHLY PRECIPITATION ANOMALIES IN EARLY RAINING SEASON OF GUANGDONG AND CONCEPTUAL MODELS OF PREDICTION

Reanalysis data from NCEP/NCAR are used to systematically study preceding signals of monthly precipitation anomalies in the early raining season of Guangdong province, from the viewpoints of 500-hPa geopotential height field, outgoing longwave radiation (OLR) field, sea surface temperature (SST) and fourteen indexes of general circulation depicting atmosphere activity at high, middle and low latitutes. Being multiple tools of information, a number of conceptual models are formulated that are useful for prediction of the magnitude of monthly precipitation (drought, flood and normal conditionss).