期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于数值预报和随机森林算法的强对流天气分类预报技术
被引量:
36
1
作者
李文娟
赵放
+2 位作者
郦敏杰
陈列
彭霞云
《气象》
CSCD
北大核心
2018年第12期1555-1564,共10页
随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,...
随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0~12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。
展开更多
关键词
强对流分类
对流指数
物理量
随机森林
下载PDF
职称材料
山东夏季强降水的影响系统和物理量特征
被引量:
8
2
作者
杨晓霞
高留喜
+4 位作者
宋佳嘉
张磊
邢如峰
田雪珊
李恬
《海洋气象学报》
2018年第3期57-66,共10页
应用2009—2013年6—9月山东全省加密自动站资料、地面和探空观测资料,选出了98次区域性强降水过程。统计分析了产生强降水的天气系统特征,把500 hPa天气系统分为6种类型,850~700 hPa天气系统分为5种类型,地面影响系统分为7种类型。统...
应用2009—2013年6—9月山东全省加密自动站资料、地面和探空观测资料,选出了98次区域性强降水过程。统计分析了产生强降水的天气系统特征,把500 hPa天气系统分为6种类型,850~700 hPa天气系统分为5种类型,地面影响系统分为7种类型。统计分析了强降水过程中及前期24个代表大气热力、水汽和动力特征的物理量,给出了最小值、最大值、平均值和各阈值所占百分率。850 hPa和700 hPa偏南风达到急流(≥12 m·s^(-1))强度的分别占56.1%和62.2%。对流有效位能(CAPE)≥300 J·kg^(-1)占72.6%。K指数≥30℃占86.7%。沙氏指数SI≤0占75.5%。925 hPaθse≥68℃占82.2%,850 hPaθ_(se)≥66℃占74.8%。GPS/MET水汽监测大气可降水量≥55mm占81.8%。850 hPa和700 hPa的水汽通量平均值分别为8.0和5.9 g·(cm·hPa·s)-1,水汽通量散度平均值分别为-4.6×10^(-9)和-2.7×10^(-9)g·(hPa·cm^2·s)^(-1)。925 hPa、850 hPa和700 hPa的涡度平均值分别为12.6×10^(-6)、12.3×10^(-6)和9×10^(-6)s^(-1),散度平均值分别为-5.5×10^(-6)、-3.1×10^(-6)、-3.4×10^(-6)s^(-1)。850 hPa、700 hPa和500 hPa的垂直速度平均值分别为-4.5×10^(-4)、-7.4×10^(-4)和-11.1×10^(-4)hPa·s^(-1)。
展开更多
关键词
夏季强降水
影响系统
物理量参数
下载PDF
职称材料
基于LSTM循环神经网络的雷电潜势预测
被引量:
1
3
作者
吴安坤
吴仕军
+2 位作者
丁旻
张弛
张淑霞
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第8期117-124,共8页
为探索循环神经网络模型在非线性预测中的应用,进一步提高雷电潜势预测的准确率,构建长短期记忆(LSTM)循环神经网络模型,并以贵阳探空站为例,统计站点周边100 km、12 h范围内的闪电次数,获取23个与雷电活动关联度r>0.8的探空物理量参...
为探索循环神经网络模型在非线性预测中的应用,进一步提高雷电潜势预测的准确率,构建长短期记忆(LSTM)循环神经网络模型,并以贵阳探空站为例,统计站点周边100 km、12 h范围内的闪电次数,获取23个与雷电活动关联度r>0.8的探空物理量参数,以此作为预测模型的样本特征;分析超参数选取对模型的影响,开展(0,24]h内的雷电潜势预测研究,并对比检验效果。研究结果表明:构建学习率为0.0001、批量样本量为32、输入序列长度为10的LSTM网络模型,有利于提高模型泛化和快速收敛;通过输入前5天的大风指数、修正指数等23个探空物理量参数,发现(0,12]h的雷电潜势预测效果明显优于(12,24]h;采用该模型验证(0,12]h测试数据,得出被试工作特征曲线线下面积(AUC)接近于1,命中率(POD)为93.4%,虚警率(FAR)为17.4%,临界成功指数(CSI)为78.1%,验证了该模型的有效性。
展开更多
关键词
长短期记忆(LSTM)
循环神经网络
雷电潜势预测
大气物理量参数
关联度
准确率
下载PDF
职称材料
题名
基于数值预报和随机森林算法的强对流天气分类预报技术
被引量:
36
1
作者
李文娟
赵放
郦敏杰
陈列
彭霞云
机构
浙江省气象台
浙江省杭州市气象台
出处
《气象》
CSCD
北大核心
2018年第12期1555-1564,共10页
基金
国家气象中心关键技术项目[YBGJXM(2018)02-13]
浙江省科技厅重点项目(2017C03035)共同资助
文摘
随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0~12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。
关键词
强对流分类
对流指数
物理量
随机森林
Keywords
severe
convection
classification
convective
index
physical
quantity
parameter
random
forest
(RF)
分类号
P456.7 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
山东夏季强降水的影响系统和物理量特征
被引量:
8
2
作者
杨晓霞
高留喜
宋佳嘉
张磊
邢如峰
田雪珊
李恬
机构
山东省气象台
济南市气象局
出处
《海洋气象学报》
2018年第3期57-66,共10页
基金
山东省气象局科研项目(2013sdxq01
2014sdqxm20)
+2 种基金
中国气象局预报员专项(CMAYBY2013-040)
中国气象局预报预测核心业务发展专项(CMAHX20160208)
山东省气象科学研究所数值天气预报应用技术开放研究基金项目(SDQXKF2014Z05)
文摘
应用2009—2013年6—9月山东全省加密自动站资料、地面和探空观测资料,选出了98次区域性强降水过程。统计分析了产生强降水的天气系统特征,把500 hPa天气系统分为6种类型,850~700 hPa天气系统分为5种类型,地面影响系统分为7种类型。统计分析了强降水过程中及前期24个代表大气热力、水汽和动力特征的物理量,给出了最小值、最大值、平均值和各阈值所占百分率。850 hPa和700 hPa偏南风达到急流(≥12 m·s^(-1))强度的分别占56.1%和62.2%。对流有效位能(CAPE)≥300 J·kg^(-1)占72.6%。K指数≥30℃占86.7%。沙氏指数SI≤0占75.5%。925 hPaθse≥68℃占82.2%,850 hPaθ_(se)≥66℃占74.8%。GPS/MET水汽监测大气可降水量≥55mm占81.8%。850 hPa和700 hPa的水汽通量平均值分别为8.0和5.9 g·(cm·hPa·s)-1,水汽通量散度平均值分别为-4.6×10^(-9)和-2.7×10^(-9)g·(hPa·cm^2·s)^(-1)。925 hPa、850 hPa和700 hPa的涡度平均值分别为12.6×10^(-6)、12.3×10^(-6)和9×10^(-6)s^(-1),散度平均值分别为-5.5×10^(-6)、-3.1×10^(-6)、-3.4×10^(-6)s^(-1)。850 hPa、700 hPa和500 hPa的垂直速度平均值分别为-4.5×10^(-4)、-7.4×10^(-4)和-11.1×10^(-4)hPa·s^(-1)。
关键词
夏季强降水
影响系统
物理量参数
Keywords
heavy
rainfall
in
summer
synoptic
system
physical
quantity
parameter
s
分类号
P458 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
基于LSTM循环神经网络的雷电潜势预测
被引量:
1
3
作者
吴安坤
吴仕军
丁旻
张弛
张淑霞
机构
贵州省气象灾害防御技术中心
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第8期117-124,共8页
基金
贵州省科技基金资助(黔科合基础-ZK[2022]一般245)
贵州省科技支撑项目(黔科合支撑[2021]一般510)。
文摘
为探索循环神经网络模型在非线性预测中的应用,进一步提高雷电潜势预测的准确率,构建长短期记忆(LSTM)循环神经网络模型,并以贵阳探空站为例,统计站点周边100 km、12 h范围内的闪电次数,获取23个与雷电活动关联度r>0.8的探空物理量参数,以此作为预测模型的样本特征;分析超参数选取对模型的影响,开展(0,24]h内的雷电潜势预测研究,并对比检验效果。研究结果表明:构建学习率为0.0001、批量样本量为32、输入序列长度为10的LSTM网络模型,有利于提高模型泛化和快速收敛;通过输入前5天的大风指数、修正指数等23个探空物理量参数,发现(0,12]h的雷电潜势预测效果明显优于(12,24]h;采用该模型验证(0,12]h测试数据,得出被试工作特征曲线线下面积(AUC)接近于1,命中率(POD)为93.4%,虚警率(FAR)为17.4%,临界成功指数(CSI)为78.1%,验证了该模型的有效性。
关键词
长短期记忆(LSTM)
循环神经网络
雷电潜势预测
大气物理量参数
关联度
准确率
Keywords
long
short-term
memory(LSTM)recurrent
neural
network
atmospheric
physical
quantity
parameter
s
correlation
lightning
potential
prediction
accuracy
分类号
X915.5 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于数值预报和随机森林算法的强对流天气分类预报技术
李文娟
赵放
郦敏杰
陈列
彭霞云
《气象》
CSCD
北大核心
2018
36
下载PDF
职称材料
2
山东夏季强降水的影响系统和物理量特征
杨晓霞
高留喜
宋佳嘉
张磊
邢如峰
田雪珊
李恬
《海洋气象学报》
2018
8
下载PDF
职称材料
3
基于LSTM循环神经网络的雷电潜势预测
吴安坤
吴仕军
丁旻
张弛
张淑霞
《中国安全科学学报》
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部