-
题名基于年际增量法的广西6月月降水量预测
- 1
-
-
作者
蔡悦幸
史旭明
陆虹
金龙
罗小莉
-
机构
广西壮族自治区气候中心
桂林航天工业学院
-
出处
《气象科技》
2024年第1期66-75,共10页
-
基金
国家自然科学基金(42065004)
广西自然科学基金(2023GXNSFAA026511)
广西气象科技研究计划项目(桂气科2023Z05)共同资助。
-
文摘
利用广西87个气象站6月月平均降水量及NCEP/NCAR再分析资料,通过普查1960—2021年广西6月月降水量年际增量与前期500 hPa位势高度场的相关性,选取影响广西6月降水异常相关性较高的前期预测因子,研究其主要影响机制,并采用模糊神经网络与熵度量相结合的方法构建月降水年际增量的集合预报模型,对预测模型进行1960—2013年的拟合检验和2014—2021年的独立样本预报检验。结果发现,该模型的预测准确率较高,独立样本的回报年份同号率为87.5%,拟合平均绝对误差为26.64 mm,拟合平均相对误差为9.06%,预报效果优于利用逐步回归方法构建的预测模型,而且模型性能比较稳定,具有较好的业务应用前景。
-
关键词
年际增量法
月降水
熵度量
模糊神经网络集合方法
-
Keywords
interannual incremental method
monthly precipitation
entropy metric
fuzzy neural network ensemble method
-
分类号
P457.6
[天文地球—大气科学及气象学]
-
-
题名长江流域年降水预测动力-统计降尺度方法及其应用
被引量：2
- 2
-
-
作者
杨雅薇
陈丽娟
沈秉璐
-
机构
上海市气候中心
国家气候中心/中国气象局气候研究开放实验室
南京信息工程大学气象灾害预报预警与评估协同创新中心
成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室
-
出处
《大气科学学报》
CSCD
北大核心
2021年第6期835-848,共14页
-
基金
国家重点研发计划项目“重大自然灾害监测预警与防范”(2018YFC1506006)
上海市科委研发项目(20dz1200401)
中国气象局创新发展专项(CXFZ2021Z033)。
-
文摘
基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解(EOF,Empirical Orthogonal Function)迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数(ACC)平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。
-
关键词
年降水
EOF迭代
年际增量
动力-统计降尺度方法
-
Keywords
annual precipitation
EOF iteration
interannual increment
dynamic-statistical downscaling method
-
分类号
G63
[文化科学—教育学]
-
