基于季节性模型的长期降水预测及预报检验

应用季节交乘趋势模型进行长期降水预测,对陕西的8个国家基准站进行了近6年逐月的降水预测,并运用中国气象局降水评分办法进行了预测检验。结果表明,近6年预测年降水评分均高于主观评分,是一种具有较好的应用前景的预测模型,建立预报水平平稳,可以广泛地应用于长期降水预报。

云模型在中长期降水预测中的应用

中长期降水预测对灌区水资源管理、种植结构调整及水生生态系统的健康发展具有重要意义。将定性概念与定量概念之间的不确定性转换模型引入到中长期降水预测中,以更好地反映降水时程分配中的随机不确定性和模糊不确定性。基于云模型的降水预测法通过挖掘已有观测数据的内在联系,形成预测规则,并据此进行中长期预测。最后,运用云模型对河南省渠村引黄灌区2004—2013年的降水量进行了预测。结果表明:云模型预测的年降水量平均值与实测值整体拟合较好,预测精度优于灰色预测等方法。

基于多气候因子的长江流域长期降水预测研究

水资源供需矛盾是当前中国社会发展面对的一大难题,而长期降水预测对合理分配利用水资源起到重要作用。针对长江流域复杂的降水机制,选取冬季海温、北半球500 hPa位势高度和北极海冰3种气候因子,分析其与长江流域主汛期降水相互联系的关键区,在此基础上采用奇异值分解(SVD)方法构建降水初步预测模型和预测订正模型,并将二者组合得到优化预测模型(SSVDF),然后对该模型预测效果进行检验。结果表明:采用多因子综合预测的方法较单因子预测效果更好,SVD订正方法可以显著消除原有统计模型的预测误差,优化后的SSVDF模型能够有效预测长江子流域主汛期的降水量,并能较好预测长江流域主汛期降水异常的空间分布。

辽宁地区中长期降水预测模型应用对比研究

结合四种常用的区域中长期降水预报数学模型,对比分析不同数学模型在辽宁地区中长期降水预测中的适用性。结果表明:东部和北部地区小波分析方法总体预测精度高于其他三种数学模型,其预测合格率可分别达到66.7%、44.4%,而在中部和西部马尔可夫链模型总体精度好于其他三种方法,其预测合格率总体可达到55.7%、44.4%。研究成果对于辽宁地区中长期水文预测具有重要的参考价值。

不同数学模型在辽宁中西部地区中长期降水预测的适用性分析

结合辽宁中部和西部6~9月的实测降水数据,对比分析马尔可夫链、小波分析、模糊数学以及神经网络4种数学模型在辽宁中部和西部地区中长期降水预测中的适用性。结果表明:在辽宁中部地区,马尔可夫链的适应性最高,预测合格率达到66.7%,而在辽宁西部地区,神经网络模型适用性最高,预测合格率达到55.6%。研究结果对于辽宁中部和西部地区降水中长期预测具有重要的参考价值。