Ensemble predictions and perceptions of risk, uncertainty, and error in flood forecasting

Under the auspices of the World Meteorological Organization, there are a number of international initiatives to promote the development and use of so-called ensemble prediction systems (EPS) for flood forecasting. The campaign to apply these meteorological techniques to flood forecasting raises important questions about how the probabilistic information these systems provide can be used for what in operational terms is typically a binary decision of whether or not to issue a flood warning. To explore these issues, we report on the results of a series of focus group discussions conducted with operational flood forecasters from across Europe on behalf of the European Flood Alert System. Working in small groups to simulate operational conditions, forecasters engaged in a series of carefully designed forecasting exercises using various different combinations of actual data from real events. Focus group data was supplemented by a follow-up questionnaire survey exploring how flood forecasters understand risk, uncertainty, and error. Results suggest that flood forecasters may not instinctively use ensemble predictions in the way that promoters of EPS perhaps think they should. The paper concludes by exploring the implications of these divergent ‘epistemic cultures’ for efforts to apply ensemble prediction techniques developed in the context of weather forecasting to the rather different one of flood forecasting.     

基于时间序列的深基坑支护结构变形预测

基坑工程由于受多种因素的影响．目前已成为岩土工程中的重点和难点。在基坑施工过程中,需要根据现场的实际工程地质条件及选择的支护型式、建筑物的安全等级．对支护结构的变形进行严格控制。时间序列分析主要是指采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。通过现场量测的深基坑围护结构变形信息资料,对数据进行整理和分析．利用时间序列分析法对支护结构的变形作出预测,以保证基坑安全施工。     

基于实用弱化缓冲算子的质量成本灰色 DGM 预测模型

目的运用施以弱化缓冲算子的灰色DGM模型进行质量成本的预测。方法利用积分函数去除区间型数据的不确定性,将其转化为信息无偏的实数。进而分析质量成本和相关指标间的关联程度,并引入二阶弱化缓冲算子对受干扰的成本时间序列进行处理,最后建立质量成本估算预测的灰色DGM模型。结果结合案例与常用的指数函数作比较,结果显示,灰色DGM模型对质量成本的模拟精度更高,模拟误差可由指数模型的1.689%下降至0.118%。结论此模型能有效改善预测精度,具有一定的科学性和合理性。     

新冠肺炎封城对南京污染排放的影响

2020年初新冠肺炎疫情爆发以后,为了有效防止疫情扩散和蔓延,全国主要城市都相继停工停产,人类活动和污染排放强度大幅降低.本文针对新冠肺炎爆发前后南京地区污染排放变化,利用南京及周边地区的逐时污染观测资料,基于在线区域化学传输模式WRF-Chem和集合平方根滤波同化系统,在同时同化污染物浓度初始场和污染源排放的框架下,...     

二龙山水库水质富营养化趋势及削减规划研究

选用C_N,C_P(水库中氮、磷的平均质量浓度)2项指标作为契入点,以狄龙模型为基础,结合二龙山水库水质污染的具体特点,设计了一套适合于预测二龙山水库水质富养化的C_N,C_P模型,运用其预测了水库水质营养状态变化趋势并对水质富营养化进行了预评价.结果表明:2001-2050年二龙山水库水质总氮和总磷的质量浓度同步增长,但总磷的增长幅度远远大于总氮,水库水质富营养化逐渐加剧.最后,根据系统诊断模型计算了水库氮、磷营养盐的环境容量,并结合该地的实际情况提出了氮、磷污染物的削减规划方案.      

小波分析应用于大气污染物浓度的预报

在分析了国内外大气污染预报模式存在的不足的基础上,提出将小波分析应用于大气污染物时间序列的预报;利用小波分析可以将时间序列通过小波分解一层一层分解到不同的频率通道上,分解后序列的平稳性比原始序列好得多。其小波分解后的序列用时间序列模型来预报,最后再合成得到原时间序列的预报值。     

基于Stacking集成学习模型的气态亚硝酸预测

建立了基于Stacking集成学习下气态亚硝酸（HONO）预测模型.利用非相干宽带腔增强吸收光谱（IBBCEAS）系统获得的北京城区HONO的浓度,结合HONO的来源,选取了O₃、CO、SO₂、NO、NO₂、NO_y、温度（T）、相对湿度（RH）、风速（WS）、j（HONO）、j（NO₂）、j（O¹D）作为特征数据,通过对HONO的平均日变化分析,将测量时间按小时转换为新特征.分别以极端梯度提升（XGBoost）、轻量化梯度促进机（LightGBM）以及随机森林（RF）算法构建基模型,采用5折交叉验证的方式划分训练集,将基模型输出的结果作为新特征集,并将新特征集作为第二层线性回归模型的输入,通过对这两层中的模型进行训练,最终得到Stacking集成学习HONO预测模型.通过对模型的特征重要度分析和计算夜间交通直接排放所占的贡献,表明CO是模型预测中重要的影响因子,说明机动车的直接排放是该区域冬季时期HONO的重要来源.利用测试集分别对单模型和融合后模型的预测性能进行评估,3个单模型的预测结果与测量值的相关系数都达到了0.91以上,其中Stacking融合后的模型性能最好,相关系数达到了0.94,平均绝对误差和均方根误差分别为0.307×10^-9和0.453×10^-9,结果表明基于Stacking集成学习方式下HONO预测模型的可解释性和推广性.     

城市污水量短时预测的混沌神经网络模型

通过分析进水水量时间序列的非线性动力学性质,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市污水水量短时预测的混沌神经网络模型;并利用此模型对污水厂的进水水量进行短时预测,取得了较为满意的预测效果.     

长三角区域空气质量预警联动系统及其在上海世博会的应用

为保障上海世博会空气质量,开发了长三角区域空气质量预警联动系统.系统由区域数据共享、预报预警、信息发布和应急联动等4个子系统构成,采用自动质量控制检查、多模式集合预报、秸秆焚烧火点判定、预警联动机制研究、GIS自动化处理和表达等关键技术.在上海世博会期间,实时监控和预测了长三角区域空气质量状况和变化趋势,发布了5次大气...     

基于大数据的水环境风险业务化评估与预警研究

随着生态环境大数据的不断建设,国家级、流域级和行政区级别的大数据中心相继产生。快速、高效地分析和利用实时产生、类型多样的环境大数据,提取环境大数据在风险评估与预警的价值,具有重要的意义,也充满挑战。本文基于环境大数据的数据特点和不同层次的组织管理特征以及环境风险评估预警的业务化需求,构建基于大数据的流域环境风险评估与预警技术及其业务化系统的体系、分析环境风险智能识别模式、研究环境风险高效模拟预测和评估的方法,并提出一套满足各级管理部门需求,高效利用环境大数据的多中心业务化系统。