三种智能计算低温冷害预报模型的对比分析研究

为了探索不同的非线性智能计算预报建模方法在冬季低温冷害预报中的应用效果,利用广西区域逐日平均气温和降水资料计算得出的1951-2018年冷湿指数作为预报量。通过计算该预报量与前期再分析资料中的各种物理量相关得出预报因子。首先利用逐步回归方法,从初选的相关预报因子中,客观选出9个预报因子,再对未选入的预报因子作核主成分非线性降维计算,选出方差贡献最大的核主成分因子,作为各预报模型的输入因子。分别采用模糊神经网络方法(FNN)、遗传算法的神经网络集成(GA-ANN)预报方法以及粒子群算法的支持向量机(SVM-PSO)集成预报方法三种不同的智能计算预报建模方法建立预报模型,对2012-2018年的20次低温冷湿天气进行预报对比试验。结果表明,在同样的预报建模样本条件下,模糊神经网络预报模型对20个独立样本预报平均绝对误差最小。进一步的计算还表明,这三种智能计算预报模型均比同样预报建模样本和预报因子的线性回归预报平均绝对误差要小,显示了非线性智能计算预报建模方法,对于具有明显非线性变化特征的冬季低温冷害天气过程,比线性预报方法有更好的预报能力。     

西江年最高水位的神经网络预报模型

对西江洪水发生的特征进行分析表明，洪水发生频率高，具有明显阶段性特征，并与流域面雨量密切相关。利用前期环流场、海表温度（SST）场及环流特征量资料选择初选预报因子，然后对初选预报因子作EOF分解构造综合预报因子，结合人工神经网络方法建立了西江年最高水位预报模型，并对预报模型进行独立样本试验。结果表明，该预报模型对历史样本拟合精度高，试报效果明显好于传统的逐步回归模型，可在汛期预测业务中应用。     

单季晚稻穗颈瘟气象预报集成模型

根据1985—1998年上海地区单季晚稻穗颈瘟发生程度资料、地面气象资料、500hPa高空环流因子和北太平洋海温场资料，挑选相关系数较高且稳定性好的预报因子，在应用逐步回归和逐步判别分析方法组建预报模型的基础上，集成了单季晚稻穗颈瘟发生程度的长、中、短期预报模型。3种预报集成模型的起报时间分别为当年的3月、7月和8月下旬。这3种预报集成模型对1985-1998年的历史拟合和1999—2002年的预报，误差均未超过1级。     

吉林省夏季低温的预测因子研究

为了有效地防御吉林省夏季出现的低温冷害,对夏季低温的预测因子进行了研究。通过概率统计、合成分析和相关分析等方法,对吉林省夏季气温与环流场、海温场、ENSO循环、太阳活动、极涡和西太平洋副热带高压等的对应关系进行了研究,运用几率波的概念,提炼出有预报意义的几率关键区。结果表明,前期环流场和海温场持续异常均会造成吉林省夏季低温;早发型的El Nino事件当年,晚发型的El Nino事件次年,太阳黑子谷值年以及前一年夏末秋初极涡中心纬度偏北、秋冬季副高面积指数偏小,易导致吉林省夏季低温;前一年冬季关键区几率波点数和模型场关键区几率波点数的一致率达40%以上时,吉林省夏季也容易出现低温。     

东北区夏季低温冷害的长期预报

利用东北区三大站(沈阳、长春、哈尔滨)50年(1951-2000年)夏季平均气温、前冬和夏季500hPa高度场、距平场及副高面积指数和海温场资料,对东北夏季低温冷害的环流特征进行了分析,建立了东北区夏季低温冷害预报模式;用春季高度距平平均场建立了夏季低温冷害天气预报模型。结果表明,东北区低温冷害与冬季副高面积指数及500 hPa乌拉尔山附近的高度值呈正相关,与冬季西风漂流区附近(40°~45°N,160°~150°N)海温场呈反相关;所建方程及模式预报拟合率和预报准确率都比较高,且可提前3个月左右进行预报。     

东北区夏季低温冷害的长期预报方法研究

利用东北区三大站(沈阳、长春、哈尔滨)50年(1951～2000年)夏季平均气温、前冬和夏季500hPa高度场、距平场及副高面积指数、海温场资料,对东北夏季低温冷害的环流特征进行了分析,建立了东北区夏季低温冷害预报模式;用春季高度距平平均场建立了夏季低温冷害天气预报模型.结果表明,东北区低温冷害与冬季副高面积指数及500hPa乌拉尔山附近的高度值呈正相关关系,与冬季西风漂流区附近(40°～45°N,160°～150°N)海温场呈反相关关系.所建方程及模式预报拟合率和预报准确率都比较高,可提前三个月左右做出预报.     

东北地区玉米低温冷害综合指标研究

在以往对低温冷害指标研究的基础上，将低温冷害成分不同的发育阶段进行分析，结合发育期日数和初霜日研究等，讨论分析了东北地区玉米的低温冷害问题，提出一个玉米低温冷害综合指标。该指标生物学和农学意义明确，计算较为方便，便于在预报上的应用。     

全国小麦条锈病长期预报模型比较研究

选择上年1月至当年4月为预报时段，采用预报因子膨化技术，将大气环流特征量按月依次组合成不同时段，计算出不同膨化时段的74项大气环流特征量距平值。从这些值中选出与全国小麦条锈病发病面积率距平相关显著的关键时段关键环流因子，建立了全国小麦条锈病发病面积率距平预报模型Ⅰ。与未采用因子膨化技术建立的预报模型Ⅱ相比，模型Ⅰ的预报准确率有显著的提高。同时发现，大气环流特征量与全国小麦条锈病发生流行之间存在着很好的相关性。     

东北玉米低温冷害监测预测系统——在黑龙江省的应用

利用东北玉米低温冷害监测预测系统预测分析了黑龙江省1971-2006年各年热量年型,计算了哈尔滨市1984-2006年玉米抽雄期的冷害发生概率,同时采用以5-9月平均温度和的距平作为低温冷害指标的方法计算了1971-2006年低温冷害的发生状况.结果显示,上述两种方法计算得到的低温冷害的年份与历史实况基本相符.通过对比分析发现,有81%的年份两种方法计算的结果一致,且在低温年玉米抽雄期的冷害发生概率均较大,说明东北玉米低温冷害监测预测系统在黑龙江省的应用效果较好,可为防灾减灾提供科学参考.     

黑龙江省低温冷害发生规律及预测研究

利用黑龙江省74个气象站35年(1971～2005年)夏季平均气温资料,分析了黑龙江省低温冷害的发生规律,并运用灰色分析模型对黑龙江省未来低温冷害的发生情况做了预测.研究结果表明:黑龙江省低温冷害20世纪70年代最为严重,80年代后呈下降趋势;在空间分布上,黑龙江省低温冷害的平均发生频率南部大于北部,严重冷害表现为北部大于南部,一般冷害则表现为西南部大于全省其它地方;低温冷害的发生与厄尔尼诺现象有较好的相关性,厄尔尼诺年及其前后年为低温冷害的多发年;2009～2020年黑龙江省大部分地区会发生低温冷害,2020～2030年发生区域和频率有所减少,2030年后发生频率与地区明显减少.     

岩土震害影响因子权重研究——以砂土液化为例

以砂土液化影响因子的权重计算为例,探讨了一种兼顾主、客观因素的权重确定方法。首先分别使用层次分析法和粗糙集理论计算砂土液化影响因子的主、客观权重值。然后对所得到的主、客观权重值进行检验,得到各自的预测准确性,根据对其准确性进行比较得到主、客观权重值偏好系数,最终按照偏好系数对主、客观权重值进行计算得到综合权重值。并对所得到的综合权重进行验证,其预测准确率为91.7%,说明该方法具有比较高的准确性。通过研究发现,对主、客观权重通过偏好系数进行综合,可以较好的平衡两者的影响作用,能够提高权重分析的准确性;通过对砂土液化影响因子权重的分析发现地震作用对其影响要大于土体埋藏环境和土体自身性质,在所有影响因子中有效应力的影响最大,其权重达到了0.205。     

加卸载响应比理论应用于堆积层滑坡预报

加卸载响应比理论是一种用于研究非线性系统失稳前兆和进行失稳预报的新理论,目前主要用于地震预报方面.对将该理论应用于探索滑坡前兆和滑坡中期预报作了探讨.降雨是影响斜坡稳定性的外部因素中最常变化的因素,也常是滑坡的诱发因素.针对降雨在堆积层滑坡孕育、发生过程中的关键作用,以降雨变化作为加卸载手段,建立了降雨型堆积层滑坡的加卸载响应比预测模型,并以新滩滑坡为例进行了预报.结果表明,文中提出的加卸载响应比方法可作为滑坡预报的手段,且在某些方面它比常规预报方法更具优势.     

两种定性天气预报模型的对比分析

以南京１９６５～１９９４ 年４ 月平均气温作为预报量, 选取前期５００ ｈ Ｐａ 月平均高度场相关因子, 分别建立了事件概率回归预报模型和神经网络预报模型。通过对比分析发现, 在同等条件下,由于神经网络方法能更好地反映预报量与预报因子间的非线性关系, 并能有效避免采用事件概率回归方法预报建模时, 对预报因子分级造成信息损失的缺点。因此, 其拟合和预报效果明显优于传统的概率回归预报方法     

基于混合分解技术的鲁棒极限学习机的风速预测

提出一种基于混合分解技术的改进鲁棒极限学习机的风速预测模型。混合分解技术的特殊性在于采用变分模态分解,把互补集合经验模式分解所产生的高频固有模态函数进一步分解为多个模态分量,以提高短期风速预测的精度。然后对混合分解技术分解得到的全部风速分量分别建立鲁棒极限学习机模型进行预测,并采用一种改进鲸鱼优化算法对鲁棒极限学习机的参数进行微调。最后,根据西班牙某-风电场实际风速数据进行风速多步短期预测。实验结果表明:基于混合分解技术和改进鲸鱼优化算法优化鲁棒极限学习机的组合预测模型在风速预测.中取得较好的预测效果。     

灰色系统理论在建筑物沉降和倾斜预测中的应用

建筑物的地基不均匀沉降导致建筑物倾斜是严重的建筑工程灾害,对其进行定量的观测研究和预报是防止灾害扩大的必要前提。本文利用灰色预测模型对建筑物倾斜和基础沉降进行模拟和预测,结果表明:模型精度高,预测结果令人满意。     

广西夏季异常降雨量的前馈网络预报模型

以1957～2001年广西37个基准站的夏季(6～8月)平均降水量为基础,将夏季降水量距平百分率大于等于20%、小于等于-23%作为异常多雨和少雨年,建立广西夏季降水量"0、1"化的异常序列,利用前馈网络的非线性映射技术,构造广西夏季降水异常预报模型.通过对该模型的预报检验分析发现,该预报模型不仅能准确地报出历史样本的异常多雨和异常少雨年,并且对2002～2004年的独立样本预报也全部正确.这为异常降水的短期气候预测业务工作提供了新的思路和方法.     

风云3号气象卫星资料在暴雨预报中的应用

介绍了风云3号(FY-3A)气象卫星资料应用示范项目<卫星资料在暴雨监测预报中的应用>的研究成果.讨论了以FY-3A资料为主,结合风云气象卫星系列其他资料和数值预报产品等,在云团识别的基础上计算云团特征量作为预报因子建立预报方程并计算云团最大降水量的暴雨临近预报方法,以及使用FY-3A资料作为"配料法"配料之一的暴雨6...     

溪洛渡水电站雨水温度骤降分析与预报

对溪洛渡水电站坝址自动气象站进行了改造,在常规遥测雨量筒中加装了雨水温度传感器,得到了2010 - 2011年雨季地面雨水温度资料.在此基础上,对溪洛渡水电站大坝浇筑时碰到的降雨过程雨水温度骤降进行了分析及预报.结果如下:①2010-2011年溪洛渡水电站雨季降雨天气过程所引发的雨水温度骤降出现概率为37％,雨温骤降高值主要集中在7-8月;过程降雨量的大小并不能直接决定雨水降温的幅度,引起雨水温度骤降的因素较多.②利用90次降雨过程的历史数据建立了溪洛渡坝址站雨水温度变化最优子集回归方程,雨水温度骤降回代准确率为73％.该方程对雨水温度骤降的预报准确率达到75％,预报值与实测值的符号一致率达94.4％,表明该方程对溪洛渡坝址站雨水温度骤降预测效果较好.     

东北地区水稻热量指数预测模型

利用1961-2000年的逐月气温资料,计算了东北地区3省和全区水稻的热量指数.通过对热量指数和大气环流资料的统计分析,建立了6个预测水稻热量指数的预测模型和1个集成模型,各模型都能较好地预测东北地区各省及全区的水稻生长发育期间的热量状况.检验结果表明,所有模型的准确率较高,且稳定性较好.7个模型预测辽宁省、黑龙江省、吉林省和全区水稻热量指数的平均准确率都在90%以上,其中辽宁省的准确率最高,都在97%以上,预测效果最好,黑龙江省的平均准确率最小,但也都在91%以上.从不同类型的模型来看,集成模型的预测效果最好,准确率最高.     

冰情预报的投影寻踪回归模型

将投影寻踪回归模型应用于黑龙江上游江段开河日期的预报,并与GA-BP模型预报的结果进行了对比分析.结果表明,投影寻踪回归模型预报的精度及稳定性较高,其性能优于常用的GA-BP模型.预报采用理论分析与多元逐步回归分析相结合的方法筛选预报因子,既可确保不遗漏基本影响因子,又能剔除对目标值影响不显著的因子,用于确定冰情预报的预报因子较为适宜.