共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
基于MDERF(Monthly Dynamic Extension Range Forecast)模式输出500hPa位势高度场资料和贵州各月干旱综合指数、降水和气温等历史样本,利用秩序回归降尺度法,研究该方法对贵州月干旱综合指数、降水和气温的预报技巧和预测效果.结果表明:该方法从穷尽所有因子组合中选出彼此独立的3个最佳组合因子共同作为预报因子,从而增强可预报性;模型5 a回报试验和2007年8月试报结果表明该方法在实际预测业务中的应用潜力;各气候要素多年的距平相关系数评分比较稳定,其中月干旱综合指数、降水距平百分率、气温距平全年平均距平相关系数评分分别为0.14、0.15和0.14;各气候要素中月气温预报的Pc最高,平均为73%.综合分析表明,该方法在月动力延伸预报产品对贵州月气候要素预测释用中具有较好的应用前景. 相似文献
3.
在对国际先进的水稻生长模型ORYZA2000进行模型调试、验证, 实现本地化的基础上, 以双季稻发育速率参数为主, 结合地形、气候、水稻熟性分布和当地生产实际, 将江南双季稻区按发育参数划分为7个区域, 实现了ORYZA2000模式在我国江南双季稻地区的区域应用。利用该模型进行了不同年份气象条件影响定量评估的应用试验, 评价结果与实际符合, 定量客观。探讨了利用机理性作物生长模式动态预测产量的方法。通过建立不同发育期的水稻模拟生物量与相对气象产量的相关统计模型, 结合趋势产量预测, 实现了地区级双季稻不同发育期的产量动态预测。外推检验结果表明, 各地早晚稻不同发育期的产量动态预测模型平均误差为4.8%~6.1%, 可初步用于业务。 相似文献
4.
介绍一种月尺度单站预报方法。通过从前期大气环流的高层、中层环流场及中高层温度场的月平均资料中,提取一组影响单站气候要素变化的信号源,组成多元线性回归模型。同时对同一要素的多个测站进行预报。在对全省10个气候区的业务预报中,经过多年应用。该方法逐步成为短期气候预测的关键决策依据。利用该方法,建立全省14个测站的预报模型,并于2008年3月投入业务使用。利用该模型的预报结果,3—12月预测质量大幅提高。 相似文献
5.
从短期气候预测业务面临的实际问题出发,针对月尺度气候预测,利用国家气候中心月动力延伸预报(DERF)模式资料,开发了集多种统计预测方法、多种解释应用技术于一体的业务系统。利用该系统的多种预测方法对广西88个站点2005-2008年6月降水距平百分率的独立样本检验结果表明:在解释应用方法中,基于模式输出统计假设方法(MOS)的预报结果优于完全预报法(PP);利用预测站点附近的环流关键区构建的预测因子预报效果最好;经验统计函数法(EOF)和动力与统计相结合的解释应用方法的预测准确率较高且较稳定;同时满足模式预测资料中预测因子和预测对象的高相关关系,以及再分析资料中预测因子和预测对象之间高相关关系确定关键区,并在此基础上建立预测模型的预测效果更佳。解释应用预测准确率一般都在70分以上,高于传统的物理统计预测结果。 相似文献
6.
《气象与环境学报》2017,(4)
本文利用第二代月动力延伸预测模式业务系统(Dynamic Extended Range Forecast,DERF 2.0)提供的1983—2015年位势高度场资料、NCEP/NCAR再分析资料及东北地区气温实况场,从DERF 2.0产品降尺度解释应用角度出发,建立了一套完整的东北地区月气温预测模型的方案,对东北地区11月气温进行了降尺度解释应用,建立了基于DERF 2.0产品东北地区11月气温的预测模型。结果表明:通过对基于DERF 2.0产品建立的东北地区11月气温预测模型的检验分析可知,建立的模型对东北地区月气温具有较高的预报技巧(Ps评分较高),对月气温预测具有较明显的改进,可在实际气候预测业务中应用,并对模型的稳定性问题进行了探讨,逐步改进完善预测模型。 相似文献
7.
8.
基于遗传算法的神经网络短期气候预测模型 总被引:15,自引:3,他引:12
用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中采取保留最佳个体的方法,进行短期气候预测建模研究。该方法克服了由于神经网络初始权值的随机性和网络结构确定过程中所带来的网络振荡,以及网络极易陷入局部解问题。作为应用实例,以广西全区4月份平均降水作为预报量及前期500hPa月平均高度场,海温场高相关区作为预报因子,建立基于遗传算法的神经网络短期气候预测模型。将这种方法与传统的逐步回归方法作对比分析,结果表明,该方法具有预报精度高,稳定性好的特点。 相似文献
9.
利用湛江市近50年来的月平均气温时间序列资料,将卡尔曼滤波与人工神经网络方法相结合,建立了湛江气温的短期气候预测模型.试验结果表明,这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力,在平均绝对误差(MAE)小于1.5℃的条件下,实际预报准确率达到91.7%,对短期气候预测的业务工作具有较高的参考价值. 相似文献