期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
华北—东北地区南部汛期降水影响因子分析及季节预报模型的建立
1
作者 唐筱 陶丽 邓敏君 《气象学报》 CAS CSCD 北大核心 2023年第5期741-763,共23页
华北—东北地区南部夏季受东亚夏季风的影响,频繁发生干旱和洪涝等灾害,但华北—东北地区南部汛期降水成因复杂,其季节预测因子的选择和预报模型还需进一步研究。由经验正交函数分解(EOF)得到1981—2020年华北—东北地区南部汛期(7—8月... 华北—东北地区南部夏季受东亚夏季风的影响,频繁发生干旱和洪涝等灾害,但华北—东北地区南部汛期降水成因复杂,其季节预测因子的选择和预报模型还需进一步研究。由经验正交函数分解(EOF)得到1981—2020年华北—东北地区南部汛期(7—8月)降水前两个模态(分别为整体一致型、南北相反型的空间结构),基于信息流特有的因果关系挑选前两个模态的预报因子,并通过多元逐步回归进一步筛选预报因子、建立季节统计预报模型。第一模态降水对应的主成分时间序列(PC1)的预报因子经过筛选有3个,分别为超前5个月的热带西印度洋海表温度(SST)、超前6个月的西西伯利亚平原850 hPa经向风以及超前2个月的热带中太平洋850 hPa经向风。第二模态降水对应的主成分时间序列(PC2)的预报因子经筛选有4个,分别为超前2个月的南印度洋中部SST、超前3个月的鄂霍次克海地区向外长波辐射(OLR)、超前2个月的热带西太平洋850 hPa经向风以及超前9个月的北大西洋涛动指数(NAO)。基于前两模态的回报/预报时间序列的重构场与观测场的时间相关系数(TCC)全场平均达到0.46,实际两个模态的时间序列重构场与观测场空间相关系数(PCC)的年际变化较大,而回报/预报时间序列重构场和观测场年际变化与其类似,其40 a平均PCC为0.35,说明前两个模态重构拟合较好的年份预报技巧也较高。 展开更多
关键词 华北—东北地区南部汛期降水 季节预报模型 信息流
下载PDF
基于四种算法比较分析Venlo型玻璃温室气温季节预报模型
2
作者 吴慧臻 李东升 +2 位作者 杨再强 张丰寅 陈旸 《中国农业气象》 CSCD 2024年第2期135-146,共12页
利用2021年2月27日-2023年3月4日南京信息工程大学Venlo型玻璃温室内、外气象观测数据,基于多元回归(Multiple regression,MR)、BP人工神经网络(BP artificial neural networks,BPANN)、随机森林(Random forest,RF)和支持向量机(Support... 利用2021年2月27日-2023年3月4日南京信息工程大学Venlo型玻璃温室内、外气象观测数据,基于多元回归(Multiple regression,MR)、BP人工神经网络(BP artificial neural networks,BPANN)、随机森林(Random forest,RF)和支持向量机(Support vector machine,SVM)构建温室内日平均气温、日最低气温和日最高气温的季节预报模型,并进行验证。结果表明:温室内日平均气温、日最低气温季节预报模型的拟合精度明显高于日最高气温季节预报模型;各模型对春、夏、秋季温室内气温的拟合精度高于冬季。对于日平均气温和日最低气温季节预报模型而言,4种算法构建的春、夏、秋季预报模型的拟合精度均较高,RF模型模拟效果更为稳定,其模拟值与实际观测值决定系数(R^(2))均值均在0.94以上,均方根误差(RMSE)、绝对误差(MAE)均值在1.5℃以内;对于日最高气温季节预报模型,RF模型对春、夏、秋季的拟合精度整体高于其他模型,R^(2)均值均在0.75以上。MR模型对冬季室内气温的拟合精度较好,更适用于预测冬季温室内气温。综合而言,选择RF模型预报春、夏、秋季的玻璃温室内气温,选择MR模型预报冬季玻璃温室内气温较为可行。 展开更多
关键词 Venlo型玻璃温室 温度季节预报模型 神经网络 随机森林 支持向量机
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部