卡尔曼滤波在咸阳极端温度预报中的应用

根据影响温度变化的因素选取初选因子,用2002年7—8月T 213资料与咸阳各县实况气温求相关,选取相关性好的作为入选因子,建立各县24 h最高、最低温度的卡尔曼滤波模型。通过对2002年7—8月温度的回报和2002年9月温度的检验,该预报方法能较好地反映咸阳各县温度的变化趋势,预报效果较好,已投入业务运行。     

汉中T213数值预报降水定量预报释用

利用2002年6月—2005年6月3 a的T 213数值预报历史资料和对应的降水实况资料及1980—1999年20 a降水和实况资料,通过本地经验和气候概率的订正,将T 213降水预报、T 213物理量计算降水的预报和降水实况三者对比分析,建立M O S方程,预报连续5 d降水量。通过对2005年7—10月的回报,有一定的预报效果。     

试用完全预报方法作单站降水预报

本文讨论的是4—10月本站的完全预报方程。我们从预报员经验出发,着重考虑物理意义,选择符合天气学原理的预报因子,建立判别函数或预报方程,使用数值预告传真图,制作本站24小时降水预报。我们在4—5月应用多元判别分析,9月应用逐步回归方法,而6—8月、10月则是应用多元线性回归方法。目的是想通过多种方法的应用对比,来寻求一种简单可行的适合本地区使用的统计预报方法。 一、资料来源和所用数值预告图 本文所用的资料主要是中央气象台编制的历史天气图。年分是:4月,1970—1974年,5—10月,1973—1977年。时次除7—10月使用20时500毫巴图外,其余均使用08时图。     

人工神经网络在南京秋季短期降水预报中的应用

利用2002年10月2日—12月1日的HLAFS资料,计算得到组合因子,通过相关系数的检验得到预报南京秋季(10—11月)降水的组合预报因子。把这些组合因子和对应的降水实况输入人工神经网络中进行学习和训练,最后得到南京秋季降水的人工神经网络预报方法。检验和试预报结果表明,预报降水的准确率为70%～80%,高于HALAF模式10%～20%。     

应用K指数和TOT指数作江苏中期降水预报的试验

用国家气象中心的T63和T106中期数值预报产品，计算所划定区域的K指数和TOT指数作为预报因子，并统计与江苏省9个代表站降水的相关。用逐步回归方法建立了江苏省4－7月第4－6天的PP降水预报方程36个、MOS降水预报方程108个，多级判别临界值144组。在此基础上经统计制作江苏省降水概率预报。     

试用完全预报法制作夏季降水预报

为使B模式输出产品尽快投入日常预报,增加预报信息,我们用1972—1981年7、8月份的历史天气图资料建立了降水预报方程。用数值预报产品分辨有无降水,然后用前期实况因子判别降水量级。 一、夏季(7—8月)降水概况 我们规定凡全盟有50％的站日降水量≥10.0毫米为一次中一大雨过程,有50％的站日降水量为0.1—10.0毫米为一次小雨过程。     

统计学长期天气预报方法的若干研究(一) 逐步回归技术的应用

本文采用了逐步迴归技术,可以在一大堆预报因子中选择出迴归方程中的主要变量,组成一个最后的迴归方程——预报方程。 为了具体说明逐步迴归方法应用于长期预报的计算情况,将1932—1962年华北五站(北京、天津、保定、石家庄、营口)7,8月份平均降水总量的资料作为因变量y,以表征太阳辐射影响的因子、前期环流影响的因子和其它若干气象要素等作为自变量进行分析研究。 对我国若干重点地区的月、季降水的迴归分析指出,各地区与降水有关的预报因子是不完全相同的。就1963年夏季和6—10月份月的降水长期预报进行检查。各重点地区42次预报的结果说明,用这个方法所作的降水趋势预报尚好,比偶然性预报约高10％。 最后,作者就迴归分析的改进作了简略的讨论,并提出今后除了用于长期预报的研究和业务工作外,对中、短期和专业天气预报以及气候学方面等的研究工作也将会是一个有用工具。     

驻马店秋季暴雨成因及预报

利用驻马店1991～2001年9～10月历史降水资料、天气图资料及数值预报产品,分析了产生秋季暴雨天气的环流形势和影响系统,选取了预报因子,建立了预报方程.     

不同因子处理方法对广西MOS方程降水预报准确率影响的试验

利用１９９５—１９９７年Ｔ１０６输出产品，以相同的数学回归模型对各种不同的因子处理方法生成的预报因子做广西８９站的降水预报准确率对比试验，结果表明预报因子的选取与准确率关系极大。这也说明了选取合理的、有物理意义的因子是建立ＭＯＳ降水预报方程成功与否的关键。     

驻马店秋季暴雨成因及预报

利用驻马店1991～2001年9～10月历史降水资料、天气图资料及数值预报产品，分析了产生秋季暴雨天气的环流形势和影响系统，选取了预报因子，建立了预报方程。