-
题名不同站网密度对热带气旋降水气候统计特征分析的影响
被引量：1
- 1
-
-
作者
鲁小琴
余晖
应明
漆梁波
-
机构
中国气象局上海台风研究所
上海市气象局中心气象台
-
出处
《热带气象学报》
CSCD
北大核心
2016年第5期597-606,共10页
-
基金
上海市自然科学基金(15ZR1449900)
2015年度公益性行业(气象)科研专项(GYHY201506007)
国家重点基础研究发展计划(2015CB452806)共同资助
-
文摘
使用中国1416个常规地面观测站，分析了1981-2010年间采用不同空间站网密度的全国（不包括台湾、香港、澳门）、分地区（华东和华南为例）、分省（广东、海南及江西为例）的热带气旋降水气候特征差异。结果表明，对于全国而言，不同疏密测站组的累积降水、过程降水年平均值、日降水平均值及其空间分布基本一致，降水极值及其空间分布结果略有不同，对全国TC降水的气候统计特征分析不会有影响；分区域和分省的不同疏密测站组的日降水平均值没有明显差异，而对于日降水极值和暴雨频次，统计结果有不同，且使用稀疏测站方案得到的TC降水极值会比未稀疏化的测站方案得到的结果略小，对分区气候统计特征分析有影响；就影响程度而言，受TC影响较大的海南省的各方案差异明显于广东、江西，华南（含广东、广西、海南）明显于华东（含山东、江苏、浙江、上海、福建、安徽、江西）。同时，采用稀疏间距为40—50km（接近或为全国测站的平均间距）作为空间稀疏方案时，气候统计特征开始出现明显变化。另外，不同空间站网密度对TC过程及日降水面雨量均值的影响同样从稀疏间距为40～50km处开始发生变化，而当稀疏间距达到100km或200km时，结果已截然不同。
-
关键词
测站密度
热带气旋降水
气候特征
-
Keywords
station density
tropical cyclone precipitation
climatic characteristic
-
分类号
P468
[天文地球—大气科学及气象学]
-
-
题名基于机器学习的PM2.5短期浓度动态预报模型
被引量：24
- 2
-
-
作者
戴李杰
张长江
马雷鸣
-
机构
浙江师范大学数理与信息工程学院
上海市气象局中心气象台
-
出处
《计算机应用》
CSCD
北大核心
2017年第11期3057-3063,共7页
-
基金
国家自然科学基金资助项目(41575046)
浙江省科技厅公益性技术应用研究计划项目(2016C33010)
浙江省金华市科技计划项目(2014-3-028)~~
-
文摘
针对目前现有的PM2.5模式预报系统的预报值偏离实际浓度较大的问题,从上海市浦东气象局获得2015年2月至7月的PM2.5实况观测浓度、PM2.5模式预报(WRF-Chem)浓度和5个主要气象因子的模式预报数据资料,联合应用支持向量机(SVM)和粒子群优化(PSO)算法建立滚动预报模型,对PM2.5未来24小时浓度进行预报,同时对未来一天的昼、夜均值及日均值浓度进行预报,并与径向基函数神经网络(RBFNN)、多元线性回归法(MLR)、模式预报(WRF-Chem)作对比。实验结果表明,相比其他预报方法,所提出的SVM模型较大提高了PM2.5未来1小时浓度预报精度,这与此前的研究结论相符;所提模型能对PM2.5未来24小时浓度进行较好的预报,能对未来一天的昼均值、夜均值及日均值进行有效预报,并且对未来12小时的逐时浓度及未来一天的夜均值浓度的预报准确度较高。
-
关键词
机器学习
粒子群优化算法
动态模型
滚动预报
-
Keywords
machine learning
Particle Swarm Optimization （PSO） algorithm
dynamic model
rolling forecasting
-
分类号
P456.8
[天文地球—大气科学及气象学]
-
