排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
采用多模式最优集成方法(OCF),对PANDA项目中国和欧洲7个空气质量模式的PM_(2.5)预报结果进行集成释用.2016年6月—2017年5月对上海逐日预报试验结果表明:和最优单模式预报结果相比,OCF预报的PM_(2.5)日均质量浓度的均方根误差降低1.9μg·m-3,相关系数提高0.04,日均质量浓度的精度评分TI提高了2.4,污染TS评分提高了0.28,污染空报率降低了20%,显著提高了PM_(2.5)污染等级预报、趋势预报和精度预报的技巧.对长三角合肥、南京、苏州、杭州、宁波5个城市的预报试验也得到类似的结果,为城市空气质量预报提供了新的方法和思路.但OCF对客观预报的改进幅度在夏季不如冬季显著,在降雨日相对较低. 相似文献
2.
采用华东区域大气环境数值预报业务系统(RAEMS-GFS)的整体框架和欧洲中期天气预报中心(ECMWF)高分辨率数值天气预报数据,建立了ECMWF气象场驱动的区域空气质量数值预报系统(RAEMS-EC).评估结果显示:RAEMS-EC对2019年秋冬季长三角城市PM2.5浓度和污染程度具有良好的预报准确性,其性能与RAEMS-GFS具有高度可比性的同时也存在一定的差异,数值上则有较明显的系统性偏高.RAEMS-EC与RAEMS-GFS双模式最优集成预报(OCF)可以大幅提升预报效果,长三角各城市PM2.5浓度总体预报效果指标提升12%~83%,各指标在80%以上城市为正效果,PM2.5污染预报TS评分也得到明显提升(14%),OCF基本消除了数值预报系统性偏高的不足. 相似文献
1