期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 云南一次强对流暴雨天气学成因分析
马志敏, 王将, 连钰, 张万诚, 牛法宝, 杨素雨
干旱气象    2023, 41 (4): 629-638.   DOI: 10.11755/j.issn.1006-7639(2023)-04-0629
摘要215)   HTML20)    PDF(pc) (29336KB)(730)    收藏

为提高暴雨预报准确率,减少暴雨致灾损失,基于地面常规气象观测资料、卫星云图反演的云顶亮温(Black Body Temperature, TBB)资料及美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)再分析资料,对2017年8月云南一次强对流暴雨成因进行分析。结果表明:500 hPa低槽东移、700 hPa切变线南压、地面冷锋西推是此次降水过程发生的天气背景;中-β、中-α尺度对流系统(Mesoscale Convective System, MCS)是产生强对流暴雨的直接系统,强降雨主要出现在TBB梯度大值区;MCS与700 hPa切变线关系最为密切,切变线位于滇中以东地区,MCS呈椭圆状,沿切变线附近及后部发展,切变线靠近哀牢山或翻越后,MCS呈西北—东南向带状分布,沿切变线前部发展;切变线翻越哀牢山前,白天移动较快,主要产生雷暴天气,夜间移动缓慢,降雨较强;强对流暴雨需重点关注水汽通量辐合大值区、800 hPa与500 hPa温差大于20 ℃区域;强降雨时段,整层大气均为上升运动,强降雨区维持低层辐合、中高层辐散的动力抽吸机制。

图表 | 参考文献 | 相关文章 | 多维度评价
2. 基于多种算法优化SVM模型的乌东德水电站降水量预报
孙俊奎, 王将, 康道俊, 闫丽萍, 周稀
干旱气象    2019, 37 (4): 670-675.  
摘要245)      PDF(pc) (723KB)(1428)    收藏
基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定。经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1.4%。

相关文章 | 多维度评价