公共文化服务平台

搜索到401篇“ 汛期降水预测“的相关文章

基于NUIST CFS1.0对华南前汛期降水预测技巧的评估: 近年来,华南地区由于降水过多而导致的洪涝灾害日渐频发。但目前利用动力模式为华南区域/局地的降水提供可靠的季节性预测仍然存在很大困难。本文基于南京信息工程大学气候预测系统(NUIST CFS1.0),对1982-2020年...; 李思侬; 关键词：华南前汛期

孝感汛期降水预测模型研究: 2022年; 本研究利用国家气候中心下发的130项气候监测数据和孝感国家基准气候站1981—2019年汛期(5—9月)降水数据,分析130项气候监测数据与孝感汛期降水的相关性,通过逐步回归的方法选取相关系数大于0.3的特征指数,建立孝感汛期降水预测模型。结果表明:具有统计学意义的降水预测模型与实际降水的相关系数R达到0.825,明显大于单个因子的相关性。通过预测模型计算汛期降水,38年中能正确预测31年降水偏多偏少的趋势。在降水预报趋势错误的7年中,仅1年误差超过30%,其余都不超过20%。说明该模型对孝感汛期降水具有较好的预测能力。; 姜敏姜杰张慧娟周婷宋哲; 关键词：汛期降水

基于年际增量和EOF迭代法的长江流域汛期降水预测被引量：1: 2022年; 基于国家气候中心气候系统模式(Beijing Climate Center Climate System Model,BCC_CSM1.1m)和美国NCEP/NCAR的气候预测模式(The NCEP Climate Forecast System Version 2,CFSv2)分别建立针对长江流域汛期降水的动力与统计相结合的降尺度预测模型,并比较两模式对应模型的预报技巧和差异来源。分别选择两模式2月起报的500 hPa及200 hPa全球位势高度场为预报因子,结合年际增量及经验正交分解(EOF)迭代法建立降尺度模型(分别简称DY_CSM1.1m和DY_CFSv2),研究发现:(1) EOF迭代法中截断解释方差的递增增加了预报因子的协同性和稳定性,从而显著提高预报技巧,并由此确定98%的截断解释方差为模型的最优参数。(2)两模型基于最优参数的预测效果均优于模式原始的降水预测,其中DY_CSM1.1m预测技巧更高,对应29 a距平相关系数(ACC)平均评分可达0.43,尤其在长江干流区域预报效果显著提高。将两模型预测的降水年际增量百分率转换为降水距平百分率时,ACC多年平均评分降为0.27和0.22,仍高于模式原始预测。(3) DY_CSM1.1m的ACC历年评分和长江流域汛期降水年际增量均与西太平洋副热带高压的一系列指数具有高相关性(以西太平洋副高脊线位置指数为例,DY_CFSv2则无此关系),因此BCC_CSM1.1m在西太平洋地区模拟性能优于CFSv2是导致该模式降尺度后预报技巧更高的重要原因,这一点在典型洪涝年1998和2020年中得以佐证。; 沈秉璐杨雅薇陈权亮; 关键词：EOF迭代汛期降水

基于两种机器学习方法的广西后汛期降水预测模型被引量：4: 2022年; 使用1991-2021年7-9月广西90个地面气象观测站降水量、NCEP/NCAR月再分析资料和国家气候中心BCC_CSM1.1气候模式回报资料,研究建立基于粒子群-神经网络、随机森林算法的广西后汛期降水气候预测模型,并对2016年-2021年预测进行应用试验。结果表明,基于粒子群-神经网络、随机森林算法的后汛期降水预测Ps得分比逐步回归方法分别提高了2.78分、2.5分,比气候模式分别提高了29.22分、28.94分,预测能力有明显的提升。; 覃卫坚何莉阳蔡悦幸; 关键词：经验正交函数气候预测汛期降水

基于逻辑回归–径向基神经网络的广西前汛期降水预测: 2022年; 基于2000~2020年4~6月广西5个代表站地面气象观测站降水量,建立基于逻辑回归–径向基神经网络(logical regression-radial basis function neural network,简称LR-RBF)的广西前汛期降水预测模型。结果表明,基于LR-RBF预测广西前汛期降水效果较好,实测降水与预测降水的R值均高于0.91,呈现高度相关。预测精度较径向基神经网络(Radial Basis Function, RBF) MAE值最大减少为45.9%,而RMSE值最大减少为35.71%,特别是贺州站;与逐步回归相比,R值最高增大13.09%,MAE最大减少26.91%,RMSE最多减少23.10%。结果表明,LR-RBF预测能力有显著的提升,对广西前汛期防洪防控工作具有一定的指导价值。; 蒙芳秀苏健昌覃碧莉吴俊皇蒋宜蓉; 关键词：逻辑回归径向基神经网络降水预测前汛期

一种三步法预测在中国汛期降水预测中的应用: 本研究从汛期降水预测这一实际业务出发,提出了一个基于北美多模式集合预测海温的三步法预测方案:采用Can CM4、GFDL-CM2p5和GEOS-S2S三种先进的耦合地球系统模式的海温预测,进行统计订正后作为BCCGCM大...; 张焓; 关键词：汛期降水预测支持向量回归; 文献传递

基于年际增量法的青藏高原南部汛期降水预测研究被引量：4: 2021年; 针对青藏高原南部汛期降水预测研究少和预测难度大的问题,通过分析1981-2010年青藏高原南部汛期降水与国家气候中心发布的88项大气环流指数、26项海温指数和16项其他指数年际增量的相关性,采用逐步回归法筛选出与降水相关的最优预测因子组合,在此基础上建立了高原南部汛期降水年际增量与预测因子的物理统计预测模型,并对2011-2019年的汛期降水进行了独立样本回报检验。结果表明,该模型的预测准确率很高,降水年际增量和距平同号率均达到7/9,距平百分率均方根误差为13%,降水相对误差在±15%以内的年份占比高达8/9。可见,该模型能够提高高原南部汛期降水预测能力。最后,利用NCEP/NCAR再分析月平均资料和NOAA海表温度月平均资料研究了预测因子影响高原南部汛期降水的物理机制。; 邓少格胡轶佳吕廷珍闫微; 关键词：青藏高原南部汛期降水预测

BCC_CSM1.1m模式对福建前汛期降水预测的误差订正被引量：3: 2020年; 采用1991—2017年BCC_CSM1.1m季节预测模式的月降水预测数据及福建省前汛期(4—6月)66个国家气象站降水资料,利用距平相关系数(ACC)、时间相关系数(TCC)、平均方差技巧评分(MSSS)和趋势异常综合评分(Ps)等评估方法,检验评估了提前0、1、2和5个月模式对福建省前汛期降水的预测能力。采用系统偏差、一元线性回归和EOF-相似误差(EOFL和EOFNL)等4种统计方法对回报结果进行订正,并进行效果检验。BCC_CSM1.1m在不同起报时间对福建省前汛期降水的预测均能抓住降水的前两个主模态:全省一致和南北反向分布的空间特征,但预测的气候平均值较实况存在负偏差。模式在不同起报时间对前汛期降水预测的TCC高技巧区主要位于福建省北部,ACC技巧和Ps评分存在比较大的年际差异,负系统偏差的存在使得MSSS技巧不高。经订正后,模式的预测能力得到明显提升。系统偏差、线性回归、EOF相似误差线性和非线性订正方法提前2个月起报的2011—2017年平均Ps评分分别提高5.9、3.5、6.7和7.8分;不同起报时间线性回归订正的2011—2017年平均ACC技巧分别提高0.02、0.21、0.12和0.11;上述4种方法订正的MSSS评分均有了显著提高,其中系统偏差和线性回归订正后达正技巧。综合而言,线性回归订正较其他3种订正方法表现出更为稳定的订正技巧。; 池艳珍梁潇云何芬吴伟杰唐振飞; 关键词：降水预测

山东省2019年汛期降水预测及防御建议: 2019年; 本文根据前期海温、大气环流、天文因子以及山东地区气候特征的综合分析,并结合相似年分析和数理统计计算结果,对山东省2019年汛期降水量进行预测,为山东省防汛抗旱决策提供有效技术支撑。; 杜占德向征; 关键词：厄尔尼诺大气环流防汛抗旱

气候场主成分回归预测模型在海南岛汛期降水预测中的研究应用: 2019年; 计算与分析了海南岛汛期降水量场的主成分分布及分型特征,选取北半球500hPa高度场、北半球海平面气压场、太平洋海温场3个影响海南岛汛期降水的高影响因子,提取其前25个主成分作为预测因子,通过相关性筛选及逐步回归检验方法,确立降水场与筛选预测因子关系,建立相关高影响因子对主成分的预测方程,通过对高相关因子所构成气候场的主成分预测,最终实现海南岛汛期降水量场的预测.将2016年海南岛汛期降水实况、现有多模式集合预报(MODES)汛期降水预测值及回归预测模型降水预测值进行比对,发现该模型对海南岛汛期降水及极值分布有较好的预测模拟能力,在实际业务中有一定的应用价值.; 易灵伟吴胜安张亚杰; 关键词：主成分分析

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈