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: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:从20世纪90年代开始,随着“信息高速公路”建设的启动,世界各国兴起了建立和使用计算机网络的热潮,尤其通过国际互联网把世界上成千上万的计算机联为一体,在网络空间的原野上,虚拟空间正在淡化着地理空间,网络环境正在孕育着信息经济。气象档案蕴藏着丰富的技术信息、记录信息等宝贵的信息资源,并以其记录信息原始性和真实性,成为信息家族中的重要一员。在信息环境下,各种信息存储技术、新型文献载体、大容量数据库以及国际互联网的出现和广泛应用,为气象档案信息的社会利用提供了技术支持。通过快速的信息交流,实现档案信息资源在一定的范围内充分共享,成为信息环境下气象档案利用的新趋势。
简介:讨论了气象观测资料的质量问题,并分析和强调了塔站资料质量控制的重要性,结合地面观测资料的质量控制方法,提出了逻辑极值检查、僵值检查、时间一致性检查、相似一致性检查、决策算法、质量控制码的标注和人工干预检查等组成的一套针对塔站资料的质控方法。利用提出的质量控制流程,对敦煌戈壁塔站2001年4月至2009年4月共9a的资料进行质量控制。结果表明:该流程能很好的找出缺测、错误、可疑的数据并给与标注,特别是在处理过程中,结合了综合判别法,使得该检验结果更为可靠。结果表明:塔站观测资料的质量是比较好的,正常数据占总数据的91.2%,非正常数据只是少数情况,其中大部分为缺测数据,占其78.7%。错误数据占总数据的1.93%,其中大部分为僵值数据,占其87.02%,其次分别为一致性和逻辑极值错误。