多隐层BP神经网络在模式预报中的简化应用

EC细网格预报效果好,基本满足业务需要,在工作中被广泛应用。为进一步提升预报准确性,做好迪士尼园区的气象服务保障,选取2016年7月至2017年6月1年的2 m温度预报场,24 h预报时效的时间分辨率为3 h,72 h预报时效的时间分辨率为24 h,分别用回归分析法、S型和简化Line型BP神经网络法进行模式释用,与迪士尼气象站观测数据对比。结果表明:阈值为1℃时,对模式结果释用后,均方根误差减少了0.5℃到1.0℃,3—9 h和21—72 h预报时效的准确率由原来的50%和30%分别上升到70%和50%。采用S型多隐层BP神经网络误差最小,不同预报时效释用稳定性最高,同时该释用方法对t_(min)的预报特征把握更精准,释用效果明显优于对t_(max)的预报释用,但迭代计算耗费时间大幅增多,与预报效果的提升不成正比。简化Line型的BP神经网络通过8个半月的数据量和简单的网络模式,捕获了EC预报的特征,不但减小了计算量,大幅缩短了计算时间,而且预报结果也有显著提升,预报稳定性较好,具有广泛的业务应用空间。     

北京城区夏季污染建立、维持、消退的天气过程

利用北京城区污染观测站2006~2013年夏季可吸入颗粒物PM10逐日浓度检测资料,挑选所有PM10浓度大于150μg/m~3的个例,合成分析华北及北京地区风场变化情况,发现风速在污染当天变化不明显,南风与PM10的相关性普遍为正,污染当天各区南风增加较大,太行山一带甚至增长了5倍。南风异常可能会使河北、山东等地污染物向北京输送,造成北京大气污染。同时我们分析北京夏季空气污染时大气环流特征。在500 h Pa与200 h Pa,北京和内蒙古上空有显著的高压异常。在850 h Pa,环流场表现为东正西负的高度场异常,其中北京在正负异常分界线上。低层气压梯度异常会造成北京和以南地区南风异常。同时,我们发现北京污染天气伴随的高空环流异常具有准定常特征。在污染前4天,蒙古上空存在一个显著的高层高压异常。该高压异常增强并向南延伸,在污染当天控制北京和内蒙古。在污染消退期,该异常也逐渐消退。但在消退后第四天,北京和内蒙古上空依然受高压异常控制。这表明北京夏季污染和高空准定常环流异常有关。     

江西省电线积冰特征及温度层结分析

利用1970—2010年江西省16个气象站电线积冰监测资料和对应时段周边探空数据,将江西省分为赣北、赣中、赣南,分区合成分析江西省电线积冰特征和温度层结特征,主要结论如下:(1)江西省电线积冰日数逐年减少,90年代以后维持较低水平;(2)全省以雨凇型积冰为主,且赣北、赣中发生较为频繁;(3)赣北雨凇过后容易出现雾凇现象,造成持续电线积冰;(4)赣北、赣中雨凇型积冰温度层结符合"3层模型",融化层平均温度为1.5℃,800~900hPa为较强逆温层;赣南则类似于"1层模型",温度层结存在变化,但整层维持在0℃以下。