简介:将BP(BackPropagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。
简介:利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为:80.6%(多元回归)、74.6%(逐步回归)、100%(BP神经网络);模型试报准确率分别为:72.7%(多元回归)、72.7%(逐步回归)、81.8%(BP神经网络)。静止水域结冰厚度预测历史拟合率分别为:76.9%(多元回归)、71.8%(逐步回归)、93.5%(BP神经网络);模型试报准确率分别为:76.0%(多元回归)、72.0%(逐步回归)、84.0%(BP神经网络)。结果表明:多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。
简介:基于华北区域气象中心、华东区域气象中心、华南区域气象中心和国家气象中心环境气象业务数值模式2015年1—3月的预报结果,从能见度和空气质量两个方面对环境气象业务数值模式的预报效果进行了对比检验。结果表明:随着能见度降低,各数值模式的预报能力均逐渐下降,对于<1km的能见度,仅华北区域模式和国家级雾霾数值预报业务系统(CMAUnifiedAtmosphericChemistryEnvironment,CUACE)模式表现出一定的预报技巧,其中华北区域模式和CUACE模式对北京本地24h能见度预报的TS评分分别为0.20、0.10;CUACE模式总体能见度预报误差较各区域数值模式均偏大;CUACE模式和华北区域模式、华东区域模式、华南区域模式能见度预报值与观测值的相关系数普遍低于0.6。随着空气质量下降,各数值模式AQI的预报能力均逐渐下降;AQI为优等级时,各数值模式AQI预报的TS评分均较高,其中空气质量较好的华南地区空气质量等级预报的TS评分最高,为0.81;总体上24h的AQI预报,区域模式优于CUACE模式;48h和72h的AQI预报,CUACE模式优于各区域模式。各数值模式PM2.5浓度的预报值普遍较观测值偏低,华南区域模式24h的PM2.5浓度预报误差相对较小,华北区域模式和华东区域模式24h的PM2.5浓度预报误差相对较大;CUACE模式PM2.5浓度的预报误差较各区域模式均偏大,CUACE模式PM2.5浓度预报值与观测值的相关系数较各区域模式均偏低。
简介:应用雷达低仰角基本反射率资料和地面加密自动站降水量资料,采用最优化方法,根据天津地区降水特点和不同降水类型,建立适用本地的雷达Z-I关系。经实际应用检验,积混降水类型Z-I关系具实用性。在天津本地化Z-I关系基础上,通过了对比分析6种不同校准方法在天津夏季降水估测中的检验效果。结果表明:Z-I关系校准法和最大集成法对降水的估测偏高,误差较大;最优插值法的估测精度最高,平均绝对误差和均方根误差最小;但计算不同校准方法与实况相关性表明,变分校准法的估测效果与雨量计降水量的相关性最好。同时,所有估测校准法对小雨量级的降水均出现了不同程度的偏高估测。
简介:针对目前不同时效的数值预报结果存在“跃变”问题,基于Poor—man集成预报方法的思想,综合考虑各个时效的数值预报结果,利用最小二乘法,构建了一个预报模型,并利用2005--2010年欧洲中心下发的数值预报资料对该模型的预报效果进行了验证。结果表明,该模型较好地克服了利用单一时次预报带来的预报结果“跃变”的不足,对提高预报水平具有一定的作用。
简介:合理施用氮肥是夺取水稻高产的基本条件之一。在氮肥施用中,目前普通存在着施用量过多或过少,施用时间不合理,氮肥利用率低等问题,不仅影响了水稻产量的提高和米质的改善,而且还污染了环境,降低了氮肥的使用效益。自80年代开始,模拟优化技术引入作物(水稻)生产系统后,已研制出了许多水稻高产栽培技术模式,如“双季杂交稻高产栽培模式”、“双季稻—冬作高产栽培模式”等。这些模式对水稻的施氮量和施氮方法虽有所改进,并取得了明显的增产增收效果,但均为经验模式,未突破传统的施肥概念。近年来,以国际水稻研究所引进的施氮技术模拟优化软件MANAGE-N,充分考虑了不同品种(作物参数)、不同气候条件(光、温、降水等气候因子)、不同土壤条件(土壤参数)等影响水稻生产发育的各种因素,因而具有更大的适应性