简介：简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。

简介：据卡瓦布拉克地区环状熔融岩系电子探针分析成果,运用薄片域相邻稳定共生平衡矿物组合原理及高级变质岩中矿物组合相系压力理论,对该区麻粒岩中二辉石、二长石矿物对的摩尔分数数据进行计算,取得二辉石平均温度为840℃,二长石矿物的平均温度为647℃,压力小于0.4GP的科学数据。

简介：利用1968-2008年NCEP／NCAR再分析资料、中国测站的降水量和温度资料，分析亚洲冬季大气动能的时空演变特征，探讨与其对应的大气环流异常特征以及大气动能的变异与我国降水量和温度异常的联系。结果表明：亚洲冬季大气动能的主要变异中心在东亚西风急流区，该地区的冬季大气动能存在明显的年际和年代际变化。冬季，我国中东部至日本以东到西北太平洋上空大气动能的减弱（增强）与对流层中高层东亚西风急流的减弱（增强）密切相关，并可导致我国东部大部分地区降水量的偏多（偏少）和我国东北地区温度的偏高（偏低）。青藏高原西南侧大气动能的增强（减弱）则与该地区对流层中高层南亚西风急流的增强（减弱）有关联，并导致冬季我国东南地区降水量的偏多（偏少）和我国广西、贵州和四川一带温度的偏低（偏高）。在冬季，亚洲大气动能的变化可能主要通过影响亚洲西风急流的变化来造成我国冬季气候的变异。

简介：检验评估是数值天气预报的一个重要组成部分，评估结果是模式改进及其产品解释应用的重要依据。利用全省1500多个包括区域自动站在内的站点观测资料，采用要素的空间分布、时间演变和统计检验3种方法评价了WRF模式对浙江省2011年夏季（6—8月）降水和温度的整体预报性能；在此基础上，进一步对比分析了不同湿过程参数化方案对梅雨典型过程的预报效果，探讨了不同微物理参数化方案和积云参数化方案对模式预报降水的影响。结果表明，WRF模式能基本预报出降水和气温的细致空间分布形态及整体演变趋势，对于主要降水落区、高温区具有较好的指示性；就浙江省区域平均而言，在实况出现较大降水期间模式预报误差较小，而在实况出现小到中雨期间误差较大，主要表现为降水量的高估和气温的低估；模式湿过程中积云参数化方案对降水影响明显，它可以导致整体雨带偏移，采用Betts-Miller-Janjic积云对流参数化方案的预报降水更接近实况。这些信息对改进模式的精细化预报能力和高分辨率数值产品的解释应用具有一定的参考作用。