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
基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究
被引量：
10
1
作者
雷蕾
徐邦琪
+1 位作者
高庆九
谢洁宏
《大气科学学报》
CSCD
北大核心
2022年第6期835-849,共15页
长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度(T_(max))具有显著的低频(10~30 d和30~60 d周期)变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域T_(max)低频变化的大尺度环流/对流信号包含:自欧亚大...
长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度(T_(max))具有显著的低频(10~30 d和30~60 d周期)变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域T_(max)低频变化的大尺度环流/对流信号包含:自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流;这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域T_(max)的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域T_(max)与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络(Convolutional Neural Network,CNN)对大量历史数据进行训练,并构建了长江流域T_(max)的延伸期预报模型。在独立预报阶段,CNN预报模型对长江流域区域平均T_(max)的预报时效达30 d,提前5~30 d预报的T_(max)与观测T_(max)的时间相关系数介于0.63~0.70(通过99%置信度的显著性检验),量级偏差(均方根误差)小于1个标准差,显示出CNN在延伸期灾害天气预报的应用潜力。
展开更多
关键词
长江流域高温热浪
低频振荡
卷积神经网络
延伸期
预报
日最高气温预报
在线阅读
下载PDF
职称材料
递减平均法与一元线性回归法对ECMWF温度预报订正能力对比
被引量：
27
2
作者
王丹
王建鹏
+1 位作者
白庆梅
高红燕
《气象》
CSCD
北大核心
2019年第9期1310-1321,共12页
基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的...
基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的预报准确率,随着预报时效的延长,订正能力逐渐减弱。技巧评分与模式对气温的预报能力有显著的负相关关系,秦岭及其以南地区的日最高气温预报和秦岭以北地区的日最低气温预报的准确率偏低,其技巧评分一般超过40%,极大值超过70%。两种方法都有效降低了系统误差,较小误差范围的站次增多,较大误差范围的站次减少,对日最高气温在预报绝对误差≤2℃误差范围的订正能力较为突出,对日最低气温在预报绝对误差≥3℃误差范围的订正更有优势。一元线性回归法对日最高气温预报的订正能力略优于递减平均法,对日最低气温预报的订正能力不及递减平均法,利用这两种方法对气温预报进行混合订正的效果更佳。
展开更多
关键词
ECMWF模式
日
最高
(低)
气温
预报
误差订正
递减平均
一元线性回归
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究
被引量：
10
1
作者
雷蕾
徐邦琪
高庆九
谢洁宏
机构
南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心
广东省揭阳市气象局
出处
《大气科学学报》
CSCD
北大核心
2022年第6期835-849,共15页
基金
国家自然科学基金资助项目(42088101,42075032)。
文摘
长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度(T_(max))具有显著的低频(10~30 d和30~60 d周期)变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域T_(max)低频变化的大尺度环流/对流信号包含:自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流;这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域T_(max)的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域T_(max)与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络(Convolutional Neural Network,CNN)对大量历史数据进行训练,并构建了长江流域T_(max)的延伸期预报模型。在独立预报阶段,CNN预报模型对长江流域区域平均T_(max)的预报时效达30 d,提前5~30 d预报的T_(max)与观测T_(max)的时间相关系数介于0.63~0.70(通过99%置信度的显著性检验),量级偏差(均方根误差)小于1个标准差,显示出CNN在延伸期灾害天气预报的应用潜力。
关键词
长江流域高温热浪
低频振荡
卷积神经网络
延伸期
预报
日最高气温预报
Keywords
Yangtze River Basin heatwaves
low-frequency oscillation
convolutional neural network
extended-range forecast
daily maximum temperature prediction
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
P457.3 [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
递减平均法与一元线性回归法对ECMWF温度预报订正能力对比
被引量：
27
2
作者
王丹
王建鹏
白庆梅
高红燕
机构
陕西省气象服务中心
陕西省气象台
西安市气象台
出处
《气象》
CSCD
北大核心
2019年第9期1310-1321,共12页
基金
陕西省自然科学基金项目(2019JM-342)
中国气象局预报员专项项目(CMAYBY2019-117)
陕西省气象局精细化气象格点预报攻关团队共同资助
文摘
基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的预报准确率,随着预报时效的延长,订正能力逐渐减弱。技巧评分与模式对气温的预报能力有显著的负相关关系,秦岭及其以南地区的日最高气温预报和秦岭以北地区的日最低气温预报的准确率偏低,其技巧评分一般超过40%,极大值超过70%。两种方法都有效降低了系统误差,较小误差范围的站次增多,较大误差范围的站次减少,对日最高气温在预报绝对误差≤2℃误差范围的订正能力较为突出,对日最低气温在预报绝对误差≥3℃误差范围的订正更有优势。一元线性回归法对日最高气温预报的订正能力略优于递减平均法,对日最低气温预报的订正能力不及递减平均法,利用这两种方法对气温预报进行混合订正的效果更佳。
关键词
ECMWF模式
日
最高
(低)
气温
预报
误差订正
递减平均
一元线性回归
Keywords
ECMWF model
daily 2 m maximum(minimum)air temperature forecasts
error correction
decaying averaging
simple linear regression
分类号
P413 [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
基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究
雷蕾
徐邦琪
高庆九
谢洁宏
《大气科学学报》
CSCD
北大核心
2022
10
在线阅读
下载PDF
职称材料
2
递减平均法与一元线性回归法对ECMWF温度预报订正能力对比
王丹
王建鹏
白庆梅
高红燕
《气象》
CSCD
北大核心
2019
27
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
