基于遗传-神经网络的电网流域面雨量预报方法研究

以重点水力发电厂和大中型水库为主要考量,并兼顾地形地貌和中小河流的分布特征,将广西划分为23个电网流域,研究了基于非线性的神经网络电网流域面雨量预报方法。以5-6月龙滩近库区、龙江流域等6个电网流域为例,利用遗传算法优化BP神经网络的连接权和网络结构,建立了各电网流域的遗传-神经网络电网流域面雨量预报模型。对独立样本的预报结果表明,基于遗传-神经网络的电网流域面雨量预报模型的预报能力要优于传统的逐步回归预报模型,也明显优于日本、德国数值模式预报产品所换算成的电网流域面雨量预报,并与气象部门同期制作的综合面雨量预报产品能力相当,因而,遗传-神经网络面雨量集合预报模型有较好的业务应用前景。     

青藏铁路沿线风沙指数预报方法研究

文章利用欧洲数值预报产品和青藏铁路沿线海晏到当雄12个气象站日最大风速资料,采用完全预报方法设计思路,以逐步回归为因子分析方法,研制了一套应用欧洲数值预报模式输出、适用于铁路沿线风沙指数预报的完全预报方法,从2007年10月进行了业务试运行。检验和业务试用结果均表明:该方法对铁路沿线风沙指数具有较强的预报能力,用完全预报方法做风沙指数预报是可行的,并有一定的实用价值。     

基于CALMET对复杂地形下风场的模拟研究

文章介绍了CALMET模拟风场的基本原理,对资料的选用及参数的设置进行了阐述,并对其在复杂地形及下垫面条件风场的模拟进行了应用研究。模拟结果对了解区域风场特点,合理规划布局,掌握污染扩散特点,科学利用风能资源有着重要的意义。     

怎样加强地震重点监视防御区的工作?

地震重点监视防御区,顾名思义,它比一般的非重点地区要有所加强,并且应该在地震监测预报、地震灾害预防、地震应急救援以及震后恢复与重建工作等方面都有所加强。以地震监测预报工作为例,需要加强的工作主要有以下三点:(1)制定短期与临震预报方案。由于地震是一种很复杂的自然现象,现有的研究表明,不同地区、不同的地震类型、不同时期发生的地震,其显示     

隔震:保证建筑物地震安全的最佳选择

<正>几十年地震预报实践说明,地震预报尚未成熟,远未达到实用化,目前仍属于摸索探索阶段。有些地震虽然说可能作预测预报,但即使预报了,对一个大城市而言也不会轻易疏散、停工停产,而且地震发生了城市的物质文明建设照样会遭到严重破坏。换个方式去思维去实践,即把城乡建筑的抗震性能提高了,尤其是住宅建筑和重     

集合数值预报系统在上海市空气质量预测预报中的应用研究

介绍了上海市世博环境空气质量集合数值预报系统的框架,分析了各模式在上海市空气质量预报及排放源污染贡献测算中的应用情况,提出开发多种预报手段、实施集合预报是提高城市空气质量预报准确率的发展方向。     

国家科技支撑计划课题

2011年1月19日．中国地震局科学技术司在北京组织专家召开国家科技支撑计划项目“强震监测预报技术研究”所属课题验收会议．对“地震立体观测技术研究”和“火山与水库地震监测预报关键技术研究”课题进行验收。科学技术部21世纪议程管理中心的有关同志出席验收会议。经验收专家组认真评审。两个课题均通过财务验收和业务验收。     

江苏省空气质量预报准确度及改进方法分析

介绍了江苏省重污染天气监测预报预警系统以及大气重污染预警会商流程,将2015年13个地级市的模式预报、人工预报结果分别与实际观测值进行比较。结果表明:人工预报更准确,PM_(2.5)日均值、臭氧日最大8 h平均值、AQI 3个指标人工预报和实况的相关性分别比模式预报高出12.8%、0.3%、11.4%,平均标准误差(MNE)分别低20.7%、3.1%、23.1%。依据国家空气质量预报技术指南评分办法,对各市2015年全年空气质量级别为"良"时进行评分。通过开展07∶00预报更新,使2015年上半年空气质量预报级别得分平均提高了0.9分,全年级别得分平均提高了2.6分;通过改进模式预报参数,使PM_(2.5)日均预报值、臭氧日最大8 h平均预报值、AQI预报值和实际观测值的相关性比上年同期分别提高26.0%、5.0%、33.9%,MNE分别降低3.6%、31.3%、7.6%。     

各国滑坡灾害减灾做法

今年3月之后，我国各地开始进入汛期，地质灾害随各地降雨量的增加，呈增长之势。 自上世纪80年代末，随着联合国“国际减轻自然灾害十年（INDR）”计划的启动，包括滑坡在内的自然灾害引起了国际社会的空前重视，许多国际和区域性自然灾害合作研究计划相继实施，极大地推动了全球范围内自然灾害预测预报研究。1995年“国际减灾十年计划”提出开展相关的国际合作研究的建议与计划，     

BP神经网络在台风路径预报中的应用

利用前馈型BP神经网络模型,对发生于中国沿海的热带气旋的移动路径进行了预报应用研究.根据中国<台风年鉴>发布的每个台风过程记录,对预报试验的台风个例分别选取了经度、纬度、中心气压和最大风速等81个因子,由多元回归选取了其中相关性好的因子,进行网络的学习训练,在获取前24h间隔6h的4次台风信息的基础上,用来预报了台风未来24h,48h和72h的短期路径变化.将该方法预报结果与CLIPER模式预报结果进行了比较,结果表明,BP神经网络模式的预报精度比CLIPER模式的高.