公共文化服务平台

搜索到1152篇“ 月降水“的相关文章

基于VMD-GA-BiLSTM的月降水量预测方法被引量：1: 2024年; 利用辽宁省气象局提供的地面观测降水资料,构建了具有多元时间特征的降水数据,采用变分模态分解方法(variational mode decomposition,VMD)组合遗传算法(genetic algorithm,GA)对双向长短时记忆神经网络(bidirectional long short-term memory,BiLSTM)进行优化,建立基于VMD-GA-BiLSTM的月降水量预测模型,并与BiLSTM、VMD-BiLSTM和GA-BiLSTM进行实验对比,应用均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和R 2决定系数作为模型评价指标。实验结果表明:VMD-GA-BiLSTM模型的R 2决定系数达到0.98,RMSE和MAE表现更低,验证了VMD-GA-BiLSTM模型在时间序列预测方面的优势。; 于霞宋杰段勇彭曦霆李冰洁; 关键词：月降水量

基于EEMD-SVM-ELM模型的月降水量预测研究: 2024年; 针对地表降水量数据的非线性、非平稳特征,首先利用EEMD对月降水量初始数据进行分解,再利用Lempel-Ziv复杂度算法将分量划分为高频及低频分量,使用粒子群算法(PSO)优化基学习器参数,最终构建EEMD-SVR-ELM月降水量预测模型,并采用该模型对长江下游部分城市的月降水量实际数据进行预测。结果表明,该模型的综合性能最优,具有更高的精确度。相较于单一模型,在M_(MAE)、R_(RMSE)、M_(MAPE)指标上分别降低了37.4%、41.4%、42.5%,DM检验表明该模型显著优于其他模型,说明该模型可作为月降水量预测的一种有效新方法。; 李明刘东岳赵良伟蒋一波; 关键词：经验模态分解极限学习机支持向量回归

基于机器学习模型的兰州市月降水量预测研究: 2024年; 月降水量的精确预测对于国民生产、防灾减灾有重大意义,然而单独的模型难以完成准确预测降水的任务。本文把自适应噪声完备集合经验模态分解(CEEMDAN)分别与误差反向传播模型(BP)和长短期记忆神经网络(LSTM)结合起来,以兰州市降水数据为例,与单一的LSTM模型、差分整合移动平均自回归模型(ARIMA)和BP模型的性能进行比较。结果表明,两个复合模型有效提高了观测值和预测值的拟合度,克服了峰值预测精度不高的问题,显著优于对比模型。; 沈梓诣班文超; 关键词：月降水量 ARIMA BP

基于EEMD-LSTM组合模型石家庄月降水量预测研究被引量：1: 2024年; 为了探讨EEMD-LSTM算法对石家庄逐月降水量进行预测的可行性,通过对石家庄市1980-2020年降水数据进行分析发现,该地降水具有不稳定性和复杂性。为解决这一问题,采用经验模态分解(EEMD)方法对降水数据进行预处理,并将提取出的各模态每个子序列(IMF)输入到LSTM神经网络中进行预测。结果表明,EEMD-LSTM算法在石家庄逐月降水量预测中具有较好的性能,其预测结果与实际观测值的误差较小,相应的MAE和RMSE分别为2.12、3.13mm,决定系数为0.92。研究表明,EEMD-LSTM算法可作为一种新的有效工具,用于石家庄市降水量预测研究。; 秦壮; 关键词：降水量

一种基于梯度提升树方法的月降水预报方法: 本发明公开了一种基于梯度提升树方法的月降水预报方法，包括：获取160个国家站的逐月数据，得到月平均降水距平值作为预测数据，对预测数据进行主成分分析法降维处理，保留解释方差最大的前若干个主分量，作为降水预报量的时间序列；并...; 梅平殷紫欣王磊束成彦杨佳希

基于最大熵-Copula的古黄河宿迁段流域月降水量随机模拟: 秦志琼

全球气象模型GFDL-SPEAR月降水预报订正与检验: 2024年; 由于全球气象模型产生的原始预报通常包含复杂的误差,为评估新一代的GFDL-SPEAR模型对我国各二级水资源区的适用性,构建伯努利-伽马-高斯模型开展统计订正的对比实验,从逐月与累计降水2个方面评估预报的相关性、系统偏差、可靠性以及预报精度,从而辨析原始预报的误差并分析预报订正的作用。结果表明:GFDL-SPEAR原始预报与观测呈现良好的相关关系,但包含-20%到50%的系统偏差,导致预报可靠性与预报精度较低;伯努利-伽马-高斯模型能够有效订正系统偏差,生成可靠的预报时间序列,使逐月与累计降水的预报精度分别提高约25%和45%;相比总量订正,逐月订正能够进一步提高预报精度。整体上,订正后的GFDL-SPEAR降水预报可为流域水资源调控与防洪抗旱提供6个月乃至1年预见期的重要信息。; 黄泽青赵铜铁钢田雨吴永妍李波陈晓宏

北极海冰对中国西北地区东部主汛期7月降水分布型的可能影响: 2024年; 选取1961-2020年中国西北地区东部154个气象站7月降水、NCEP/NCAR大气再分析及北极海冰资料,利用SVD分解等统计诊断方法,分析了北极关键区海冰对西北地区东部主汛期7月降水主要模态分布型的可能影响途径。结果表明:影响西北地区东部7月降水异常分布型主要有两种海冰模态,一种是当巴伦支海、千岛群岛海域海冰密集度偏小(大),戴维斯海峡海冰密集度偏大(小)时,激发从戴维斯海峡向东南以及从鄂霍次克海向西南方向传播的波列,使得我国西北地区东部上空500 hPa位势高度场距平为“西高东低”(“西低东高”)的分布,造成区域降水异常为“一致偏少(多)”分布型;另一种当波弗特海东海域海冰密集度偏小时,激发从里海东传至鄂霍次克海的波列以及配合我国华南上空的正位势高度异常,使得冷空气路径偏东、偏南以及西太平洋副热带高压偏强,造成研究区降水异常为“北少南多”分布型,反之为“北多南少”分布型。利用“SVD投影法”建立的海冰关键区因子预测模型,其对西北地区东部主汛期7月的降水距平符号的把握及空间分布型具有一定的预测能力,尤其对“区域一致少型”和“北多南少型”的预测效果较好。; 王岱杨建玲张雯马阳李欣李欣; 关键词：汛期降水北极海冰

2015/2016超强厄尔尼诺期间非线性水汽平流对中南半岛4月降水异常的影响: 2024年; 由厄尔尼诺事件引起的极端天气气候事件对社会经济与人民生命财产安全有着重要影响。2014-2016年发生的超强厄尔尼诺事件,使得全球许多地区极端天气和气候事件频发。本文关注了中南半岛区域,利用逐月海温、降水、风场、比湿等观测和再分析资料,从环流和水汽输送异常的角度出发,探讨了超强厄尔尼诺事件背景下2016年4月中南半岛降水异常偏少的可能原因。结果表明,2016年4月,在发展强盛的西北太平洋异常反气旋和副热带高压的控制下,中南半岛上空出现异常下沉气流,不利于水汽辐合产生降水。进一步通过动力诊断分析发现,Nino3.4指数与赤道东印度洋和赤道西太平洋之间纬向海温梯度(zonal gradient of SST anomalies, GSSTA)的乘积能很好地指示此次超强厄尔尼诺事件,且中南半岛上空非线性水汽平流的调制作用是造成此区域4月降水异常偏少的重要原因。2015/2016厄尔尼诺事件期间,西北太平洋异常反气旋的南侧东风与GSSTA“引导”的异常西风水汽输送相互“冲突”,削弱了太平洋和孟加拉湾对中南半岛的水汽输送。中南半岛上空大部分水汽呈现出南少北多,东高西低的模态,水汽辐散,不利于降水的形成。2016年4月,在孟加拉湾异常反气旋和西北太平洋异常反气旋的共同作用下,中南半岛对流受到抑制,暖湿气流在异常南风的引导下,向华南输送。; 邬钰嫣葛非孙雪榕金正睿林芷叶; 关键词：厄尔尼诺降水异常环流异常水汽输送

一种区域月降水统计频率分析方法: 本发明提出了一种区域月降水统计频率分析方法，属于降水统计处理技术领域。传统的降水统计分析方法在复杂地形条件下，特别是在山区，难以精确反映降水与地形之间的关系。本发明通过考虑山区降水时的坡度和坡向因子，采用统计计算方法，建...; 请求不公布姓名马龙刘廷玺张强孙国华张文聪孙柏林

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈