中短期降水预报的多分支融合卷积神经网络

降水容易受到多尺度天气系统的影响,导致模式降水预报精度较低,需要额外地对结果进行后处理等偏差修正。为了提高中短期降水预报的精度,本文提出一种深度学习订正模型,使用多分支融合卷积模块提取预报因子场以及因子间的空间特征,实现多个预报因子的空间融合。同时,针对降水样本不均衡问题提出一种损失函数,以提升模型对降水的订正能力。实验结果表明,本文提出的方法可以提升中短期降水预报的订正能力。

短期降水预报的动力学与热力学

提出了当前短时和短期降水预报中需待解决的3个问题。由这些问题引发了如何把动力学与热力学相结合,如何把大量的观测和模式资料应用于短期无间隙预报的思考。最后给出了一个短期大暴雨预报的应用实例。

静止气象卫星数字化产品在西宁短期降水预报中的应用

将静止气象卫星图像产品通过解译后转化为数字化产品,应用数据处理及统计分析方法,为短期降水预报提供更多更形象的产品。本文提出了针对单站降水预报的统计事实及经验总结,应用多元决策加权法计算未来前12小时、后12小时及24小时降水概率预报和估算平均降水量的方法。

基于BP神经网络的短期降水预报

人工神经网络 (ArtificialNeuralNetwork ,简记为ANN)是最近发展起来的十分热门的交叉学科 ,它涉及生物、电子、计算机、数学和物理等学科 ,并在工程上具有非常广泛的应用前景 .本文介绍了BP神经网络的结构及算法 ,基于BP神经网络的短期降水预报模型的建立 ,并分析了BP算法在该应用中的优缺点 .

Micaps系统中T-Lnp图工具在短期降水预报中的应用

本文通过统计分析格尔木市1994～2008年共15年Micaps系统中T-Lnp图中的11种物理量,得出:其中7种物理量在降水过程前反映较为明显,其值不断增大,在降水前一日或当日达到最大,降水结束后迅速减小。这些物理量的变化可作为短期降水预报的参考依据。