宁波市连续3次降雪过程的对比分析

利用NCEP/NCAR 4 times daily格点资料、探空和人工测站实况观测等资料,分别从大尺度形势场、水汽、温度特征等方面,对2012年12月中下旬到2013年1月初宁波市连续3次降雪过程进行了对比分析.结果表明：（1）3次降雪过程的大范围形势场在中高纬度上基本相同,但第1次过程南支槽强度明显偏弱.3次过程的冷空气影响路径分别是西北路、西路和东路.（2）中低层的水汽输送为第3次过程的持续性降雪提供了充足的水汽.（3）后2次过程都满足了降雪的基本温度条件,且有明显的逆温层.2012年12月29日降雪过程的雨雪相变临界温度为2 ℃.     

2013年一次江淮气旋引发的暴雨过程预报技巧探讨

分析了2013年高考期间（6月7日～8日）的一次暴雨过程,对其预报技巧进行探讨.此次暴雨过程是江淮气旋东移所致,高空冷槽前的正涡度平流、低层横向切变使地面气旋发展,槽上冷平流使槽发展加深.强降水主要出现在低压的东南象限、700 hPa切变线南侧、低空急流轴的左前侧,强降水区还与低层暖湿舌北侧假相当位温密集区和水汽通量散度辐合区相吻合.做高考决策预报服务过程中,当数值预报出现严重分岐时,可通过分析上游的天气系统来确定数值预报初始场的可靠性,从而得出预报结论.     

基于WRF数值模式的SDAE-SVR风速预测模型研究

风速预测是风力预报中的核心与基础, 采用天气研究和预报(Weather Research and Forecasting, WRF)模式进行风力预报往往存在风速预测误差较大的问题. 为了提高风速预测精度, 提出了一种基于深度学习和支持向量回归(Support Vector Regression, SVR)相结合的风速预测模型. 该模型以WRF模式预报输出的多种气象变量为基础, 结合气象自动观测站传感器的实测风速, 引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder, SDAE)深度网络来学习样本数据中隐含的深度特征, 然后将该深度网络最后一层输出的深度特征置入回归器SVR中, 利用SVR良好的回归预测性能对WRF模式预报的未来1h风速进行预测订正. 结果表明: 所建立的SDAE-SVR风速预测模型具有较高的风速预测精度, 在对典型日的WRF模式预报未来1h风速的预测订正中, 其平均百分比误差与均方根误差仅为8.28％与0.8 066 m·     

基于支持向量机的多因子风速预测

针对目前数值模式预报的风速普遍存在小风预报偏大、大风预报偏小的问题,本文基于支持向量机的方法,结合WRF模式预报和自动观测站的实况数据资料,建立多因子SVM风速预测模型,对渔业避风港锚地风速进行预测修正.实验结果表明,新模型预测的风速和实际风速基本一致,相关性达到了99%,很好地表达了风速与WRF模式预报因子之间的非线性关系,验证了该模型能改进WRF模式输出的风速数据.与仅利用历史风速的非数值SVM和LSSVM风速预报的结果进行比较,进一步证实了多因子SVM风速预测的优越性.     

基于FOA-FSVM的RF模式台风期阵风精细化预报

For the sake of improving the accuracy of forecasting wind speed during typhoon strike in WRF model forecast, a new method for precision forecasting of typhoon wind speed is proposed by combining the data collected from the WRF model forecast and an automatic observation station. The method incorporates many factors influencing the typhoon wind speed. The wind speed which is obtained using the traditional human prediction produces large error when compared with actual wind speed. To address this issue, a fuzzy support vector regression model for wind forecasting is built. Considering the fact that the fuzzy support vector regression model is not adequately efficient in determining the punishment factor and kernel parameter, the fly optimization algorithm is introduced into optimizing the parameters of the fuzzy support vector machine. According to the characteristics of the wind speed regression, the fruit fly optimization algorithm is developed in three dimensional space, combining with the enhancement factor γ for improving the global optimization ability of traditional fruit fly optimization algorithm. The results show that the forecasting wind speed and the actual one is in good agreement with each other, and the correlation is as high as 99％. The presented method of wind speed prediction provides higher accuracy than that of traditional FOA-FSVM model and FOA-SVM model.     

雷达估测降水的分段优化算法与误差分析

为提高雷达对强降水的定量估测精度,结合雷达和自动站雨量计降水观测资料,对对流性和台风2种降水类型采用分段优化Z I关系的方法进行了探讨和统计分析,建立了同时考虑回波强度分段和距离分级的1 h实时优化方案.对对流性降水和台风降水分别以域值40与30 dBz进行回波强度分段,同时在距雷达100 km范围内进行分距离估测,此方法显著提高了强降水定量估测精度,同时又兼顾了运算效率.通过自定义的误差系数对对流性降水个例和台风个例的1 h优化估测结果进行评价,结果表明,优化后的估测雨量误差系数基本小于0.5,估测效果明显好于默认Z I关系（A=300,b=1.4）的估测结果.