西安市日最大电力负荷率与气象因子相关关系分析预报模型的建立

基于西安市2010—2013年逐日最大电力负荷和同期的气象资料,分析了日最大电力负荷的变化规律,利用最小二乘法,除去日最大负荷的节假日效应和周末效应后,将气象负荷从日最大电力负荷中分离出来,建立西安气象负荷率与气温、相对湿度、总云量、降水量、风速的相关关系,并基于2010—2012年的11月—次年2月和6—8月的资料,分别采用逐步回归、多元线性回归和BP神经网络方法建立最大气象负荷和主要气象影响因子之间的预报模型,将2013年对应时间的日最大气象负荷率作为预报效果的独立样本检验。结果显示:2010—2013年西安的日最大电荷存在明显的增长趋势,且存在明显的周末效应和节假日效应;气温是影响气象负荷率的最显著因子,引入温湿指数(THI)的BP神经网络算法对气象负荷率的拟合和预测效果最优。     

江西省空气负离子浓度特征与气象因子相关分析

利用2019年江西省靖安森林试验基地观测资料,分析了靖安森林站空气负离子浓度不同时间尺度的变化特征及其与气象因子的相关性,以及不同天气条件对其的影响。结果表明,靖安市年平均空气负离子浓度为2 187个/cm³,其中夏季浓度最高为2 910个/cm³,秋季最低为1 756个/cm³。此外,浓度日变化特征也存在明显的季节差异性,其中春夏秋冬四季峰值分别出现在10时(北京时,下同)、06时、09时、13时左右。日尺度上浓度与气温、降水、相对湿度均呈显著的正相关,月尺度上其与降水呈显著正相关。雨天的浓度高于晴天,四个季节雨天峰值分别出现在开始降水的7～9 h、7～15 h、9 h、9～11 h后。当降水量在0～10 mm时,降水对空气负离子浓度没有明显作用,随后浓度随降水量增加而上升,当出现暴雨天气的时候,浓度反而呈现下降趋势。     

气象因子对稻瘟病的影响及预报

通过对水稻稻瘟病的观测,找出温度、湿度、光照和风对稻瘟病流行的影响,和水稻返青期、抽穗前期稻瘟病的预测方法,建立了稻瘟病年发生的预报方程。     

基于气象因子的水稻产量预报模型

利用四川省南充市1989—2018年气象观测资料和水稻单产数据,分析5月上旬至8月下旬的平均气温、降水量、日照时数与水稻单产的相关性,采用线性回归方法建立基于气象因子的水稻产量预报模型。结果表明,5月下旬降水量、6月中旬平均气温、7月下旬日照时数、8月下旬日照时数和降水量与气象产量显著相关,建立南充水稻产量预报模型,回代检验准确度平均达95.4%,预报准确度达91.2%,2019年模型预报效果良好。     

上海市电力负荷与气象因子关系及精细化预报

电力负荷预测是电力调度的重要参考依据,气象条件对电力负荷有重要影响。利用上海市2004—2008年15 min 1次的电力负荷资料和宝山气象站 (区站号58362) 同一时段3 h 1次的气象观测资料,对上海市电力负荷特征进行分析,发现不同温度区间和不同天气类型电力负荷的日变化特征有明显差别。采用逐步回归方法得到各温度区间日平均气象负荷率的预报方程,通过系数订正,得出不同天气类型的逐时负荷预报。2009年试报结果显示:采用预报日前3 d的趋势负荷平均值作为预报当日的趋势负荷值,得到的日平均负荷预测值的误差最小,约为3.6%;非工作日日平均负荷的平均预报相对误差比工作日大;日平均气温超过18 ℃时,工作日日平均负荷的预报误差较小;低于18 ℃时,预报误差明显增大;逐时负荷平均预报误差约为4%。     

上海夏季近地面臭氧浓度及其相关气象因子的分析和预报

为了揭示城市近地面臭氧浓度的变化特征及其相关气象因素,尝试进行近地面臭氧浓度预报。通过对2005年夏季（6～9月上旬）上海徐家汇地区近地面臭氧的观测与分析,建立了用于夏季臭氧浓度预报和高浓度臭氧污染事件预警的一种简便、实用的统计回归方法。结果表明：天气条件对臭氧形成具有明显的作用,臭氧浓度晴天最大、多云天次之、阴雨天最小;臭氧具有明显的日变化特征,12：00～14：00之间为最大值,凌晨3：00～5：00之间有一很小的次峰,5：00～6：00之间为最小值。产生高浓度臭氧污染是多项因子的综合结果,一般在高压系统的影响下,晴天少云,紫外辐射较强,相对湿度较低,气温较高,地面和高空吹偏北风,且风速较小的情形时容易产生高浓度臭氧污染。引进高浓度臭氧潜势指数和风向影响指数两个指标,并综合考虑多种气象要素,通过逐步回归建立的臭氧浓度预报方程,对逐日最大臭氧浓度具有较好的拟合效果和可预报性。     

自然降生与常规气象因子的相关分析

统计了１９９３－１９９４年逐月自然降水和相应的气象因子监测数据，找到了自然降尘的季节性分布规律。在此基础上，求得自然降尘与气象诸因子的相关系数，并进行了统计检验，为开展污染预报提供了科学依据。     

邢台市城区黑碳气溶胶浓度与气象因子变化关系分析

利用EA-12型黑碳仪对邢台市2019年1-12月的黑碳(BC)浓度监测数据和同期气象观测数据,分析了邢台市BC污染特征、来源及与气象因子的变化关系.结果表明:邢台市BC日平均浓度为0.85 μg·m-3,全年占比79.80％的浓度频数集中分布在0.30～1.20 μg·m-3;而1月份占比达到90.62％的浓度频数分...     

淮北煤矿事故与气象条件的分析研究

利用气象地面观测资料和高空探测资料及淮北煤矿事故的相关资料,应用数理统计方法,分析淮北煤矿事故的时空分布特征,。结果表明：煤矿事故在全年各月均可出现;在气象要素存在地面气压下降,气温回升,湿度〈30％的气象条件下煤矿事故较易发生;经过对井下气象条件的试验分析证明;温度过高过低,湿度较小,当井下风速〈0．5m．S-1时．...     

淀山湖蓝藻发生程度气象预测模型

为了为淀山湖蓝藻控制提供技术依据,根据1998—2009年淀山湖蓝藻发生程度和同期气象资料,用相关分析方法分析淀山湖蓝藻暴发的气象条件,用逐步判别方法建立淀山湖蓝藻发生程度的气象预测模型。结果表明:主要影响淀山湖蓝藻暴发的气象因子是温度。气象指标为:7—8月平均气温大于等于29℃,6—9月日最高气温大于等于35℃日数大于等于16天,7—8月日照时数大于等于420h,6—8月降水量小于等于420mm;气象预测模型Ⅰ(起报时间6月初)和模型Ⅱ(起报时间8月初)拟合的准确率分别为91.7%和100%;2010年试报,模型Ⅰ预测正确,模型Ⅱ预测值比实际值低1级。建立的淀山湖蓝藻发生程度气象预测模型可应用于业务。     

北京夏季O3垂直分布与气象因子的相关研究

通过分析2000年7月26日～8月22日北京325 m气象塔的O3浓度梯度观测资料及同期的气象资料,探讨了O3与NOx、风速、风向、温度及相对湿度的关系.通过建立不同风向下O3浓度与NOx、温度、相对湿度及风速的多元回归方程,证实了高浓度的O3是NOx与气象条件综合作用的结果,利用可得到的气象资料及NOx浓度值进行O3污染预报的尝试是可行的.     

福州市夏季电力气象等级预测模型初探

对福州市1999~2002年5~9月日电力负荷与日平均气温、日最高气温、日最低气温、日平均相对湿度和天气状况进行分析,发现气象要素的变化会直接影响到电力负荷的调整。从逐日电力负荷资料中提取气象要素引起电力负荷变化的部分即气象负荷,通过计算气象电力负荷与气象要素之间一系列相关指标,并利用回归分析方法建立福州市夏季气象电力负荷预测模型,利用气象要素预报,可实现对气象电力负荷的预测。预测结果通过检验、分析和判定,最后确定了气象电力负荷等级划分的标准。对2003~2005年福州市夏季逐日气象电力负荷等级进行回代检验,结果表明该预测模型有较好的预报能力。     

应用气象要素预测流行性乙型脑炎发病率四十年分析

讨论气象要素与流行性乙型脑炎发病率的关系。40年的数据分析表明,利用当年4月份的平均温度、上一年12月最高温度预测当年的流行性乙型脑炎发病率具有较高的准确性。     

张掖大白菜气象条件分析与产量预报

分析张掖大白菜生长期农业气象条件，找出影响其产量的关键气象因素，确定最佳适宜播种期和安全收获期气象服务指标，建立预报模式，进行产量预报。     

杭州市燃气负荷与气象条件的响应关系及其预测模型

利用杭州市2008—2011年逐日燃气负荷和气象要素资料,分析了燃气负荷的变化规律及气象条件对燃气负荷的影响,在此基础上,利用Elman神经网络建立燃气负荷预测模型。结果表明,研究时段内,杭州市燃气负荷逐年显著增长且具有显著的季节变化特征,春节假日期间会出现明显的燃气负荷谷值,年燃气负荷峰值点通常出现在春节前1个月。平均气温与平均气压是影响燃气负荷波动最主要的气象因子,且均在冬季相关最显著。平均气温与燃气负荷在各个季节呈一致负相关,平均气压成正相关,燃气负荷对平均气温的响应敏感区间为6~15℃。在考虑春节假期影响的基础上,筛选相关气象因子,利用Elman神经网络建立杭州市冬半年燃气负荷预测模型。预测结果表明,一般情况下,模型精度较高,但当燃气负荷出现大的波动时,模拟结果呈现一定程度的滞后性。     

乌海市PM_（10）污染浓度与气象条件分析

乌海市PM10浓度与风速的关系明显。总体而言,PM10污染物浓度随风速的增大而增大;冬季当风速在3.1～4.0m.s-1时,PM10污染物浓度低。PM10浓度与地面风向的关系：春季偏西风时PM10污染浓度最高,偏北风时污染浓度最低;冬季东南风时污染浓度最高,西北风时污染浓度最低。PM10浓度与空气湿度的关系：冬季PM10污染浓度值随湿度的增加而增加,正相关比较明显。春季当空气湿度越小,出现重度污染的频率越高。     

油菜花期物候主要限制因子分析及预报模型的构建

以油菜开花开始时间(即始花期)为研究对象,利用1980—2016年江苏省油菜发育期观测资料和同步气象数据,分析油菜始花期的时空变化趋势。结合油菜生理特性,筛选与油菜始花期显著相关的气象因子。以高淳站为例,采用通径分析明确各气象因子对油菜始花期的作用并评估因子敏感性,最后构建油菜始花期的回归预报模型。结果表明:在气候变化背景下江苏地区油菜始花期呈逐年提前趋势,淮河以南地区平均提前3 d以上;上年日平均气温稳定通过0℃终日(X_1)、当年日平均气温稳定通过5℃初日(X_2)、现蕾至开花前时段内分别大于0℃、5℃和10℃的有效积温(X_1、X_4和X_5)、最低气温分别小于0和5℃的日数(X_6和X_7)及平均最低气温(X_8)等8个因子与油菜始花期相关性达极显著水平;其中2月上旬至3月上旬的平均最低气温(X_8)、日最低气温小于5℃日数(X_7)、大于5℃有效积温(X_4)对油菜始花期的直接影响位列8个因子的前三位,且这3个因子两两共同对油菜始花期的相对影响程度也排在各因子对回归方程R~2总贡献率的前三位;其余5个因子直接效应普遍小于间接效应,且它们主要通过X_4、X_7、X_8对油菜始花期产生影响,而X_4、X_7、X_8也通过这5个因子产生一定影响;去掉任何一个因子,都会引起其他某些因子对油菜始花期的直接、间接作用发生变化;基于这8个因子构建的回归模型可解释68.48%的油菜始花期变化,并具有区域适用性。因此,就江苏地区而言,光照和降水对油菜开花早晚影响较小,热量条件才是江苏油菜开花早晚的主要限制因子,所构建的始花期预报模型可较好反映油菜开花时间早晚与相关热量因子变化的规律。     

气象站迁站前后主要气象要素的差异性分析及对预报服务工作的影响

利用河南近年来7站迁移后新旧站观测资料,采用通用的差值统计方法,分析新旧站观测资料的差异,评估台站迁移对预报服务工作的影响。统计结果显示:新、旧测站平均气温年差值7站平均为-0.8℃;相对湿度年差值平均为5.4%;平均风速年差值平均为0.6 m/s,风向相符率最小为29%,最大为62%,大多数台站风向相符率均未超过50%。新站址气温低于旧站址的,相对湿度、平均风速大于旧址的,新、旧站址风向一致性较差。迁站对最低气温的影响大于对平均气温及最高气温的影响。由于台站旧址受破坏程度、周边障碍物方位和距离、下垫面性质及新与旧站址间距离、高差等的不同,迁站对气象要素的影响也不尽相同。预报员在作预报时,应充分考虑新旧站气象要素的差异。