【摘 要】
:
由于降水是在一系列复杂物理过程的影响下形成、受多种天气系统共同作用的气象要素,提高其预报准确性是气象业务与科研工作的重点与难点。本文基于CMPA逐小时降水和TIGGE提供的六种不同预见期24h累积降水的观测和模式资料,在福建及其周边地区采用贝叶斯模式平均(Bayesian Model Averaging,BMA)方法开展降水集合预报统计后处理研究。针对BMA方法结构修改角度,开展其对降水预报精度影
论文部分内容阅读
由于降水是在一系列复杂物理过程的影响下形成、受多种天气系统共同作用的气象要素,提高其预报准确性是气象业务与科研工作的重点与难点。本文基于CMPA逐小时降水和TIGGE提供的六种不同预见期24h累积降水的观测和模式资料,在福建及其周边地区采用贝叶斯模式平均(Bayesian Model Averaging,BMA)方法开展降水集合预报统计后处理研究。针对BMA方法结构修改角度,开展其对降水预报精度影响的研究,并对BMA预报方案进行优选;基于优选方案提出GBDT-BMA降水分级预报模型,开展分级降水预报研究;进一步,基于GBDTBMA模型开展各预见期降水预报试验,并对预报结果检验评估。该研究对提升降水集合预报准确性、降水预报业务应用具有深远意义。(1)基于选取不同参数估计方法(区域、格点尺度建模)、选择不同分布(正态分布、伽马分布)和应用不同数据转换方法(对数变换、幂变换)三个角度,进行BMA方法试验设计。在此基础上,开展BMA结构修改对降水预报结果影响的研究,并从确定性及概率预报、分级降水预报精度等角度进行BMA方案优选。结果表明:基于格点建模参数估计方法的BMA方案预报效果较优;BMA中各模式权重能一定程度反映其预报能力,权重越低的模式其自身预报能力也越差;选择伽马分布的方案晴雨、小雨预报效果较好,较原始模式预报准确率提升近50%;进行1/3次幂数据转换,应用伽马分布的BMA-D2-T2方案为最优方案。(2)为提升BMA方法中雨、大雨量级的降水预报能力,引入梯度提升树(Gradient Boosting Decision Tree,GBDT)和分类BMA方法,基于优选BMA方案提出GBDT-BMA分类降水预报模型,并在福建省三个代表站点进行试验。结果表明:在重量级降水预报中选择0.52分位点的预报结果,能进一步提升该模型的预报精度;该模型的中雨量级降水预报精度较最优模式有显著提升,其中福州站的中雨TS评分从0.55增长为0.82,提升了近50%;同时,各代表站的大雨量级降水预报精度均与最优模式持平或略有提升。(3)将GBDT-BMA模型推广到福建及其周边地区,开展不同预见期的24h累积降水预报试验,并从确定性及概率预报、分级降水预报和降水预报空间分布等角度对不同方案预报结果进行对比评估。结果表明,随着预见期的增加各方案的预报效果均略有降低;GBDT-BMA降水预报的中雨TS评分较原始模式提升超过70%,大雨量级预报精度也略有提高;GBDT-BMA模型可以更精准刻画出主雨带和无雨区域,有更为优越的预报性能。
其他文献
随着经济发展、城市化进程和全球一体化的推进,局地和区域的气象条件、空气质量水平和能见度也在不断发生变化。尤其是,能见度对交通出行、生产生活、军事行动等方面有着显著影响,低能见度等恶劣天气会严重威胁社会正常运转和人们的生命财产安全。江苏省是我国经济规模最大、最具活力的省份之一,近年来该地区低能见度天气现象频发,严重影响了人们的生产生活和身心健康。因此,结合江苏省能见度的时空分布特征和影响因子分析,开
大豆作为世界上最主要的植物油源与植物蛋白源,是东方饮食文化的重要部分,占据五谷之一。我国大豆的年产量供求在现今的农作物栽培水平下无法达到平衡,存在供不应求的局面。目前,中国大豆年产量无法满足内需,大豆总产量短缺并依赖进口。因此,如何去选择优良大豆品种来进行育种问题亟待解决,以此提高国内培育出大豆的品质,在总体上提升我国的大豆产值。在大豆品质的衡量上,大豆粒荚的籽粒数是极为重要的标准,保证豆粒荚的籽
奖惩系统在各国的汽车保险行业中被广泛使用,是汽车保险的重要组成部分。本文从三个不同的角度出发,对奖惩系统展开研究。本文首先考虑索赔额对奖惩系统的影响,构建一个以索赔次数和累积索赔额为划分依据的奖惩系统。通过实际数据进行实证研究,说明分层广义线性模型计算奖惩系数相较于广义线性模型更优。为说明包含索赔次数和累积索赔额的奖惩系统的优势,对其进行稳态分析和严厉性分析,发现包含索赔次数和累积索赔额的奖惩系统
随着深度学习相关技术和理论的快速发展与进步,相关算法已经应用于股票价格预测。深度学习由于其强大的学习能力等优点,在股票价格预测上的表现常常优于传统的预测方法。新能源行业因其环保、节能的特点,发展前景一片光明。政府出台的政策也推动着新能源行业的发展。通过预测新能源类股票的价格走势,可以帮助投资者做出合适的决策,并在一定程度上反映出新能源行业的发展情况,促进相关资源的有效配置。本文研究在几个重要的前提
在消费升级的大浪潮中,烘焙是鼎盛行业,尤其是在居民营养膳食结构的整改中具备独特作用。很多烘焙相关公司渐渐放弃以往利用过度曝光构建品牌效应的销售方式,转变为使用较为前沿的互联网营销技术结合电商、社交、搜索、内容等各种方式创设新型营销手段。此研究主要针对烘焙企业互联网营销方案展开探究,希望给广大中小型烘焙企业实施互联网营销提供参考。
伴随着人工智能和大数据的飞速发展以及海量数据收集能力的不断提升,超高维数据已经频繁的出现在大众的生活中。庞大的数据量给高维数据分析带来了许多困难与不便,并且超高维数据会常出现在许多领域,如社会科学、医学、金融学、特别是生物学和基因组学。与高维数据相比,超高维数据拥有更为复杂的数据量,分析难度也随之增大,因此对超高维数据的研究是有必要的。本文在超高维数据的背景下,旨在研究针对超高维数据的特征筛选方法
对于卷积神经网络中的图像分类问题,传统的机器学习方法由于是在中心服务器上直接用原始数据进行模拟训练,因而可能导致隐私泄露.而联邦学习则是通过在本地设备上训练模型,不用将原始数据上传至中心服务器,所以一定程度上解决了隐私泄漏的问题.本文研究的主要内容是手写数字识别下的联邦学习优化算法研究.本文是在多个设备共同训练的前提下,对联邦学习优化算法进行改进.首先,针对大规模优化中高昂的计算成本问题,为降低计
随着全球化进程的不断推进,目标检测在安防领域的重要性与日俱增。检测公共场所下的管制刀具等危险物品为人们出行提供了有力保障。然而相关数据集的缺乏限制了检测算法的研究。同时,设备的差异以及光照、遮挡等多种因素的干扰使得通用物体检测算法难以有效发挥作用。因此,进一步研究危险物品检测,构建实时高精度的检测算法显得十分重要。本文主要研究可见光下的管制刀具检测,在构建一种刀具检测数据集的基础上,提出一种基于深
近年来,优化算法理论和应用迅速发展,相关技术被广泛应用于改进传统的降水预测模型,提高预测精度是科研和业务中提升管理水资源决策可靠性的迫切需求。因此,如何科学合理地改进传统的数学模型以提高降水预测精度成为一个亟需解决的问题。本研究基于吉林省2016—2020年50个城市降水量和地面常规气象要素的日值数据,以研究分析吉林省不同等级降水的时空特征为基础,采用灰狼优化算法及差分进化算法优化支持向量机的参数
作为代数学的重要分支,环论研究的地位举足轻重,它的相关理论方法在数学的许多领域都得到了非常广泛的应用.环论在发展和运用的过程中,产生了许多新的研究课题,其中环的clean性研究是近年来的一个重要研究热点,因其结构简单、性质良好、且与许多相关环类紧密联系的特点,吸引了许多环论学者的兴趣.因此,研究环的clean性是非常有意义的.本文主要研究三种类似于clean环的环:2-诣零-clean环、强2-幂