期刊导航
期刊开放获取
上海教育软件发展有限公..
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
2
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BJ-RUCv2.0预报系统对大雾形成和发展关键条件的数值分析
被引量：
2
1
作者
李青春
程丛兰
+1 位作者
张亦洲
王在文
《气候与环境研究》
CSCD
北大核心
2018年第1期59-71,共13页
为了弄清北京地区持续性雾—霾天气过程的演变规律、揭示大雾形成和发展的关键条件,利用常规气象观测资料、高速路自动气象站观测资料和大气成分观测资料分析了2013年1月26~31日雾—霾天气过程的演变特征和有利于大雾形成和发展的天气...
为了弄清北京地区持续性雾—霾天气过程的演变规律、揭示大雾形成和发展的关键条件,利用常规气象观测资料、高速路自动气象站观测资料和大气成分观测资料分析了2013年1月26~31日雾—霾天气过程的演变特征和有利于大雾形成和发展的天气形势。在此基础上,采用先进的北京快速循环同化中尺度数值预报系统(BJ-RUCv2.0)开展数值模拟,分析大雾形成的水汽、动力和热力条件,得出:模式对1月30日夜间至31日前半夜的雾区模拟较好,但对28日夜间至29日白天(大雾天气伴严重大气污染)雾区的模拟偏差较大。发现近地层的持续性东南风使950 hPa以下湿度增大是大雾形成的关键条件。上层(975~800 hPa)的明显暖平流导致逆温层的加强和维持,使大气层结稳定度增强,是大雾天气发展和维持的重要条件。另外,近地层950 hPa以下为风场辐合、其上层为风场辐散的结构有利于雾的进一步发展。
展开更多
关键词
雾
—
霾
天气
BJ
-
RUC
v2.0
预报
系统
数值
模拟
边界层结构
水汽条件和热动力条件
在线阅读
下载PDF
职称材料
基于多种机器学习的模式PM_(2.5)订正预报方法
2
作者
刘超
宫宇
+1 位作者
张碧辉
柯华兵
《热带气象学报》
CSCD
北大核心
2024年第6期896-905,共10页
大气细颗粒物污染深刻影响着人体健康、大气能见度以及气候变化等诸多方面,对PM_(2.5)浓度进行精细化预报至关重要。因此,本研究基于随机森林(Random Forest,RF)、LightGBM(Light Gradient Boosting Machine)和XGBoost(Extreme Gradient...
大气细颗粒物污染深刻影响着人体健康、大气能见度以及气候变化等诸多方面,对PM_(2.5)浓度进行精细化预报至关重要。因此,本研究基于随机森林(Random Forest,RF)、LightGBM(Light Gradient Boosting Machine)和XGBoost(Extreme Gradient Boosting Machine)等多种机器学习方法,分别构建了基于中国气象局雾-霾数值预报系统(CMA Unified Atmospheric Chemistry Environment,CUACE)V3.0版本的京津冀地区PM_(2.5)订正预报模型,并对比分析各个机器学习模型的预报效果和性能差异。研究结果表明:三种机器学习算法误差(ME)和平均绝对误差(MAE)均较CUACE雾霾模式明显降低,而且在不同预报时效下的ME和MAE变化幅度更小,反映出基于机器学习算法得到的PM_(2.5)订正预报稳定性较好。此外,在三种机器学习算法中,RF算法预报性能最佳,ME和MAE分别为-3.0μg·m^(-3)和23.6μg·m^(-3),RF平均绝对误差的改善幅度最为突出,达到11.5%,而且对区域内“正订正”的站点比例达到97.7%,明显优于LightGBM和XGBoost算法。另外,对2024年3月9日至12日雾霾天气过程进行预报检验评估,RF算法的TS评分最高,其轻度污染、中度污染以及重度污染及以上TS评分分别为0.43、0.19和0.03。由此可以看出,RF算法的预报效果更为突出,研究结果在实际业务预报中具有一定参考意义。
展开更多
关键词
机器学习
PM_(2.5)
中国气象局雾-霾数值预报系统
订正
在线阅读
下载PDF
职称材料
题名
基于BJ-RUCv2.0预报系统对大雾形成和发展关键条件的数值分析
被引量：
2
1
作者
李青春
程丛兰
张亦洲
王在文
机构
中国气象局北京城市气象研究所
出处
《气候与环境研究》
CSCD
北大核心
2018年第1期59-71,共13页
基金
北京市自然科学基金重点项目8171022
国家自然科学基金项目41575010
+1 种基金
41175014
国家国际科技合作专项2015DFA20870~~
文摘
为了弄清北京地区持续性雾—霾天气过程的演变规律、揭示大雾形成和发展的关键条件,利用常规气象观测资料、高速路自动气象站观测资料和大气成分观测资料分析了2013年1月26~31日雾—霾天气过程的演变特征和有利于大雾形成和发展的天气形势。在此基础上,采用先进的北京快速循环同化中尺度数值预报系统(BJ-RUCv2.0)开展数值模拟,分析大雾形成的水汽、动力和热力条件,得出:模式对1月30日夜间至31日前半夜的雾区模拟较好,但对28日夜间至29日白天(大雾天气伴严重大气污染)雾区的模拟偏差较大。发现近地层的持续性东南风使950 hPa以下湿度增大是大雾形成的关键条件。上层(975~800 hPa)的明显暖平流导致逆温层的加强和维持,使大气层结稳定度增强,是大雾天气发展和维持的重要条件。另外,近地层950 hPa以下为风场辐合、其上层为风场辐散的结构有利于雾的进一步发展。
关键词
雾
—
霾
天气
BJ
-
RUC
v2.0
预报
系统
数值
模拟
边界层结构
水汽条件和热动力条件
Keywords
Fog
-
haze
BJ
-
RUC v2.0 forecast system
Numerical simulation
Boundary layer structure
Water vapor and thermal dynamical conditions
分类号
P458.3 [天文地球—大气科学及气象学]
在线阅读
下载PDF
职称材料
题名
基于多种机器学习的模式PM_(2.5)订正预报方法
2
作者
刘超
宫宇
张碧辉
柯华兵
机构
国家气象中心
中国气象局高影响天气(专项)重点开放实验室
中国气象科学研究院人工智能气象应用研究所
出处
《热带气象学报》
CSCD
北大核心
2024年第6期896-905,共10页
基金
国家重点研发计划(2022YFC3701205)
中国气象局高影响天气(专项)重点开放实验室以及中国气象局第二批揭榜挂帅项目(CMAJBGS202308)共同资助。
文摘
大气细颗粒物污染深刻影响着人体健康、大气能见度以及气候变化等诸多方面,对PM_(2.5)浓度进行精细化预报至关重要。因此,本研究基于随机森林(Random Forest,RF)、LightGBM(Light Gradient Boosting Machine)和XGBoost(Extreme Gradient Boosting Machine)等多种机器学习方法,分别构建了基于中国气象局雾-霾数值预报系统(CMA Unified Atmospheric Chemistry Environment,CUACE)V3.0版本的京津冀地区PM_(2.5)订正预报模型,并对比分析各个机器学习模型的预报效果和性能差异。研究结果表明:三种机器学习算法误差(ME)和平均绝对误差(MAE)均较CUACE雾霾模式明显降低,而且在不同预报时效下的ME和MAE变化幅度更小,反映出基于机器学习算法得到的PM_(2.5)订正预报稳定性较好。此外,在三种机器学习算法中,RF算法预报性能最佳,ME和MAE分别为-3.0μg·m^(-3)和23.6μg·m^(-3),RF平均绝对误差的改善幅度最为突出,达到11.5%,而且对区域内“正订正”的站点比例达到97.7%,明显优于LightGBM和XGBoost算法。另外,对2024年3月9日至12日雾霾天气过程进行预报检验评估,RF算法的TS评分最高,其轻度污染、中度污染以及重度污染及以上TS评分分别为0.43、0.19和0.03。由此可以看出,RF算法的预报效果更为突出,研究结果在实际业务预报中具有一定参考意义。
关键词
机器学习
PM_(2.5)
中国气象局雾-霾数值预报系统
订正
Keywords
machine learning
PM_(2.5)
CUACE
-
Haze 3.0
correction
分类号
P45 [天文地球—大气科学及气象学]
P457 [天文地球—大气科学及气象学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BJ-RUCv2.0预报系统对大雾形成和发展关键条件的数值分析
李青春
程丛兰
张亦洲
王在文
《气候与环境研究》
CSCD
北大核心
2018
2
在线阅读
下载PDF
职称材料
2
基于多种机器学习的模式PM_(2.5)订正预报方法
刘超
宫宇
张碧辉
柯华兵
《热带气象学报》
CSCD
北大核心
2024
0
在线阅读
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
