公共文化服务平台

搜索到715篇“ 夏季降水预测“的相关文章

基于CycleGAN改进NUIST-CFS 1.0对中国夏季降水预测的应用研究: 准确的季节性降水预报,尤其是极端降水事件,在预防气象灾害及其对国家经济发展、社会安稳和人民生活等的潜在影响方面都至关重要。但当前许多动力模式往往在很大程度上低估了中国夏季降水的强度。而深度学习方法在气候动力模式后处理误差...; 杨松; 关键词：极端降水

对2021年华南夏季降水预测成败的分析被引量：1: 2023年; 基于国内外动力模式和诊断分析,分析了2021年华南夏季降水预测的成功和不足。结果表明:(1)2021年夏季西太平洋副热带高压偏大偏强,水汽输送较弱;西太平洋和南海生成的台风较少,登陆及影响华南的台风偏弱。综合影响导致2021年夏季华南降水偏少25%以上。(2)2021年华南夏季降水实况与2021年3和4月两次预测存在较大差异,主要表现为动力模式对副高脊线和西伸脊点位置以及东亚大槽的预报与实况存在较大差异;物理因子诊断分析预测中大部分信号指示2021年华南夏季降水偏多的可能性较大,与实况相差较大。; 王娟怀胡娅敏杨守懋赵亮; 关键词：降水预测夏季

基于海洋温度分布模态最优组合的中国东部夏季降水预测研究: 2023年; 通过EOF-CCA方法,以热带太平洋5月海洋表面温度为预测因子,对中国东部夏季降水进行预测研究.首先,通过热带太平洋5月海洋表面温度与中国东部夏季降水的前15个EOF模态进行CCA分析,对不同个数CCA模态,对建立的预测模型进行交叉检验.然后,通过交叉检验的技巧评分对所建预测模型进行评估.结果表明,5月热带太平洋表面温度与中国东部夏季降水有密切的联系,前7个CCA模态比15个CCA模态建立的中国东部夏季降水预测模型的预测效果好,且前7个CCA模态建立的降水预测模型对长江流域的预测效果较好,1966—2015年长江流域区域夏季平均降水的预测值与观测值的相关系数为0.41.; 吴荣陈星宜牛旭东党张利; 关键词：夏季降水预测

基于CEEMDAN-SE-ARIMA组合模型的东北夏季降水预测被引量：4: 2023年; 针对传统时间序列模型无法有效预测模态混叠数据的不足,本文提出了一种基于CEEMDAN-SE-ARIMA的组合模型,并且对东北地区2016—2020年夏季降水量进行了实证分析。首先,基于完全自适应集合经验模态分解方法,将降水时间序列分解为多个本征模态分量,并根据不同分量样本熵的计算结果进行分量序列重构。然后,针对每一个重构分量,构建自回归移动平均预测模型。最后,将各分量的预测值进行叠加,得到组合模型的预测值。此外,还构建了ARIMA单一模型和其他组合模型,旨在与CEEMDAN-SE-ARIMA组合模型对比。结果表明:CEEMDAN-SE-ARIMA组合模型考虑了时间序列的模态混叠特征,能有效提高东北地区夏季降水时序模型的预测能力,具有良好的预测应用价值。预测结果较单一模型和其他组合模型均有所提高,MASE降低了0.02~0.91 mm,RMSE降低了0.80~130.49 mm,MAE降低了2.52~129.84 mm,MAPE降低了1.08~35.53 mm。CEEMDAN-SE-ARIMA模型在降水变率较小的西北部区域预测效果更好,对东南部区域的极值分布中心预测较为准确。; 吴香华陈以祺官元红田心童华亚婕

西北地区东部夏季降水预测研究进展: 2022年; 降水是气候系统的重要气候要素和区域气候因子的集中体现,在气候变化的影响下,其发生规律和时空分布呈现出多样性和复杂性叠加的特点。西北地区东部这一气候单元气候特征独特,对气候变化敏感,区域内气候干旱、降水稀少及分布不均,对该区域进行夏季降水预测研究,可为农业生产布局、区域气候变化监测和防灾减灾决策提供科学依据。本文回顾西北地区东部夏季降水的研究情况,总结概括夏季降水预测的主要方法和基于人工智能技术的创新方法,并对该区域未来夏季降水预测研究进行展望,探讨可行的精准预测方法。; 刘嘉华刘立波; 关键词：夏季降水气候预测人工智能

机器学习方法在湖南夏季降水预测中的应用被引量：12: 2022年; 利用湖南97个国家站的逐月降水资料、国家气候中心130项气候指数集以及国家气候中心和美国国家环境预报中心两套季节预测模式的降水预测资料,采用递归特征消除法确定预测因子并使用多层前馈神经网络、支持向量回归和自然梯度提升三种算法建立了两种湖南夏季降水统计预测方案的模型,检验了预测效果。结果表明:基于机器学习的预测模型对湖南夏季雨型分布有较好的预测能力,两种统计方案提前1~6 mon起报的夏季降水平均距平相关系数分别为0.15和0.19,相比于NCEP和NCC模式有较大提升,平均PS评分分别为69.3和69.2,高于NCC模式的63.1,略低于NCEP模式的71.5;进一步分析表明,3—5月起报的机器学习模型的预测技巧可能来源于前冬极地和中高纬环流,12—2月起报的模型预测技巧则可能来自海温的前兆信号。; 黄超李巧萍谢益军彭嘉栋; 关键词：夏季降水

一种基于神经网络的中国区域夏季降水预测订正算法被引量：5: 2022年; 基于CWRF(climate extension of WRF)区域气候模式的动力降尺度预测技术对夏季降水预测存在一定偏差,难以实现准确预测。本文立足于中国区域夏季降水特点,分析与夏季降水相关的气象要素,采用树突(dendrite,DD)网络与人工神经网络(artificial neural networks,ANN)相结合的方法,针对CWRF模式回报的1996—2019年夏季降水量进行订正,检验其订正效果。结果表明:人工树突神经网络(artificial dendritic neural network,ADNN)算法模型订正的中国夏季降水量整体好于CWRF模式历史回报,距平相关系数和时间相关系数较订正前均提高约0.10,均方误差下降约26%,趋势异常综合检验评分提高6.55,表明ADNN机器学习方法能够对CWRF模式夏季降水预测实现一定程度的订正,从而提高该模式降水预测精度。; 李涛陈杰汪方韩锐; 关键词：均方误差

基于NUIST-CFS1.0的长江中下游夏季降水预测及动力降尺度研究: 本文基于南京信息工程大学气候预测系统1.0版(NUIST-CFS1.0)1982-2020年的历史回报数据和WRF区域模式,围绕长江中下游夏季降水预测问题开展相应研究。首先从确定性预测和概率预测两方面评估NUIST-CF...; 应武杉; 关键词：长江中下游夏季降水预测全球气候模式动力降尺度

中国夏季降水预测因子潜在技巧分布图及应用被引量：9: 2020年; 影响我国夏季汛期降水异常的因子繁多,不同因子之间复杂的相互作用制约我国夏季降水季节预测水平。目前动力模式对降水预测技巧水平较低,如何开发客观统计预报方法,提高我国夏季降水预报技巧依然存在挑战。该文基于最小二乘法拟合和交叉检验方法,提出一种搜索预测因子潜在预测技巧的方法(潜在技巧分布图),并基于该方法开发预测因子自动选择器,建立中国夏季降水异常自动统计预测模型。与传统线性相关分析相比,潜在技巧分布图不受极端气候事件影响,可直观展现具有显著预测技巧的前兆信号,而预测因子自动选择器则能从潜在技巧分布图中自动筛选最优预测因子,获得逐年不同的预测因子,更符合中国夏季降水异常影响因子多样性的客观事实。在完全剔除预测当年信息的回报试验中,该预测模型对1999—2019年中国夏季汛期降水异常的历史回报技巧明显高于动力模式。通过方差订正,历史回报降水的PS评分从71.00分提高到82.10分,显示了该模型的潜在预报潜力。; 刘伯奇祝从文

基于LSTM网络的中国夏季降水预测研究被引量：31: 2020年; 基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆(Long Short-Term Memory,LSTM)网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。; 沈皓俊罗勇赵宗慈赵宗慈; 关键词：汛期降水

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈