基于物理统计方法的丹江口水库月入库径流预报

根据丹江口水库逐月入库径流与前一年逐月平均北太平洋海温场、100hPa和500hPa高度场以及74项环流特征量的相关关系,从中挑选出若干相关性较高的稳定气象因子作为关键影响因子,利用逐步回归方法建立逐月入库径流预报模型.基于所建立的模型,对丹江口水库1957-2000年逐月入库径流量进行模拟,并对2001-2006年逐...     

基于集合经验模态分解和 BP 神经网络的北京市 PM2.5 预报研究

利用集合经验模态分解算法(EEMD)和 BP 神经网络组成的混合模型, 对北京城区PM_2.5浓度值进行短期预报。结果表明, 与单独使用BP神经网络模型相比, EEMD-BP混合模型的预报准确率更高; 混合模型高频部分的预报误差是整体误差的主要方面; 混合模型的输入变量中需包含输出变量的信息; 前期污染物浓度的数值对模型的预报结果有较大的影响。     

福建前汛期一次强降水的集合预报检验和预报偏差分析

基于中国气象局最新业务化运行的GRAPES REPS,针对2020年5月5—7日福建前汛期一次强降水过程进行集合预报检验评估,并与ECMWF EPS对比分析,最后分析预报偏差原因.结果表明,在临近36 h预报上,GRAPES REPS不仅在集合平均预报的TS和BIAS评分上优于ECMWF EPS,而且概率预报误差小于E...     

基于相关向量机的中长期径流预报模型研究

鉴于其优越的预报性能,将相关向量机（RVM）应用到中长期径流预报中,并在相空间重构的基础上,建立了基于相关向量机的径流预报模型.该模型首先对径流时间序列进行相空间重构,并以重构后的径流序列作为模型输入;其次,采用粒子群优化（PSO）算法识别模型参数,利用优化所得重构参数验证时间序列具有混沌特性,在模型内循环过程中采用EM算法迭代估计超参数,并将RVM与应用较为广泛的最小二乘支持向量机（LSSVM）和自动回归滑动平均模型（ARMA）进行了比较分析,结果表明该模型具有较好的泛化能力;最后,基于水文过程变化的不确定性、RVM描述输出值的不确定度以及相应概率下的预报区间,使得调度人员在决策中能考虑预报的不确定性,定量估计各种决策的风险和效益.     

基于人工神经网络集合预报的济南市臭氧预报方法

由于观测的不准确以及资料分析、同化中的误差,单一预报仅是一个可能的解。为弥补其不足,提出了一种基于人工神经网络集合预报的臭氧(O₃)预报模型,选取8类气象因子及2类污染物因子,搭建人工神经网络预报模型,并采用随机扰动方法,产生15组相互独立的随机扰动气象场,搭建人工神经网络集合预报模型,并以2013年—2019年5月—9月数据作为训练集,以2020年5月—9月数据作为测试集。结果表明:与单一人工神经网络预报相比,人工神经网络集合预报准确率明显提高,O₃污染命中率明显提高,O₃污染漏报率明显减少,O₃污染空报率略有增加;人工神经网络集合预报对O₃污染预报有过多倾向,而单一人工神经网络预报则有过少倾向;以2020年7月3日—9日的一次O₃重污染过程为例,与单一人工神经网络的确定性预报相比,人工神经网络集合预报能够更好地反映出污染的迅速累积上升及持续过程。通过提供定量的概率预报,人工神经网络集合预报可以给出多种可能性及其发生的概率,能为预报员提供包括不确定性在内的更多预报信息,该模型具有一定的实际应用价值。     

GRAPES 奇异向量研究及其在暴雨集合预报中的应用

为了产生好的集合预报初始扰动, 并能够用有限的集合样本来模拟大气概率密度函数在相空间中的时间演变, 把奇异向量法引入非静力 GRAPES 中尺度模式中, 研究了 GRAPES 奇异向量的基础性问题和基于奇异 向量构造集合样本的方法。对2008 年7 月的一次西南涡移动带来的暴雨过程进行 GRAPES SVs 求解, 并进行集合预报试验。结果表明: 前 27 个 GRAPES SVs 反映了分析误差的主要信息; 要素的集合平均的均方根误差比控制预报具有更好的预报技巧, 且它们的集合离散度随时间逐渐增加, 反映了预报误差的主要信息; 从降水 Brier 评分和 ROC 技巧上可以看出该集合预报具有好的概率预报技巧, 能为暴雨预报提供一定的指导作用。     

ECMWF集合预报在淮河蒋家集流域的应用

基于欧洲中期天气预报中心(ECMWF)集合降水预报产品(预见期为10 d),提取淮河蒋家集以上流域的预报数据并进行降尺度处理,驱动洪水预报模型,对2008年8月的一次洪水过程进行模拟预报。为探讨ECMWF集合降水预报驱动洪水预报模型的应用效果,将模拟预报的结果与仅采用地面降水观测数据驱动模型的模拟结果进行对比分析。结果表明:采用ECMWF集合降水预报后,洪水模拟预报精度有明显改进,可使洪水预见期提前48 h;洪水模拟预报流量过程线能刻画洪水预报的不确定性范围,可为防洪减灾提供科学决策依据。     

广义相加模型在乌江夏季径流预报中的应用

基于前期冬季海温指数,构建具有4个非线性指数和9个线性指数的广义相加模型(GAM),对乌江流域洪家渡夏季径流进行了模拟与预测,利用5种评估指标,包括最小信息准则(AIC)、均方根误差(RMSE)、平均绝对误差(MAE)、概率空间线性误差(LEPS)和线性相关(r),评估GAM和广义线性模型(GLM)模拟效果。结果表明:在AIC、RMSE和LEPS评估指标上,GAM的模拟效果与实测值相比均小于GLM,在线性相关系数上显著大于GLM。因此,GAM的模拟效果明显优于GLM。利用留一法交叉验证对洪家渡夏季径流分别进行了GAM和GLM预测,结果表明,GAM与实测数据的相关系数提高到0.41,相对误差小于30%的预测值达到60%以上,特别是在洪家渡典型洪水年中,GAM的预测误差仅在10%左右,在典型干旱年中,GAM的预测误差小于10%,GAM的预测结果比GLM明显改善。因此,考虑了径流量与预报因子的非线性关系,在径流预报中使用GAM进行建模,能够有效改善线性回归模型的模拟效果和预测精度。     

时序相似集合预报法及其在天气预报中的应用技巧

利用VB语言成功建立了应用地面自动站数据的多站多要素时序相似集合预报法,并结合实例详细阐述了相似集合预报图在天气预报应用中的技巧,突显了地面数据相似集合预报在短时、短期预报业务中不应忽视的参考性价值.     

基于集合预报的两种输电线路舞动概率预测方法

利用中国气象局集合预报业务系统GRAPES-EPS（Global/Regional Assimilation and Prediction System Ensemble Prediction System）的15个集合成员预报产品,基于舞动气象模型,分别通过等权重法和集合平均法得到输电线路舞动发生的预测概率,以2016年11月23日和2018年1月4日~6日的电线结冰数据作为实况,检验两种预测方法的效果,结果发现,（1）等权重法和集合平均法预测出的舞动范围均能覆盖实际发生舞动的区域,均可作为舞动发生的客观预测方法;（2）等权重法预测输电线舞动的报对站比例更高而漏报站比例更低,(3)等权重法预测的日最大舞动概率和日平均舞动概率均较集合平均法预测的大;(4) 从空间分布和时间变化来看,等权重法舞动预测的概率值具有一定的连续性,而集合平均法预测的舞动概率值则具有明显的跳跃性,等权重法应用效果较集合平均法更好。     

基于深度置信网络模型框架的长期径流预报

长期径流预报是保障水利水电工程科学运行管理的重要支撑.随着社会经济的发展,生产实践对长期径流预报精度和预见期长度的更高要求与当前预报的表现出现了矛盾.该研究提出了一种基于深度置信网络(DBN)模型的考虑气候系统指数的长期径流预报框架,并探索了其在预见期1～12个月时的预报表现.结果表明：(1)基于该框架进行预见期为1～12个月的径流预报时,在测试期的纳什效率系数(NSE)值均高于0.50,平均相对误差(MRE)值均低于35%,预报精度较高,且随着预见期的延长,径流预报能力并未呈现下降趋势;(2)在各预见期下,训练期和测试期的预报效果评估指标相差不大,说明采用的基于DBN模型的径流预报框架不存在过拟合的问题,具有优秀的泛化能力;(3)在各预见期下,汛期的径流预报效果在NSE和决定系数R²指标上优于非汛期,在MRE指标上劣于非汛期.     

基于相空间重构的支持向量机方法在径流中长期预报中应用

水文中长期预报对于水资源规划管理、水库及水电站调度具有十分重要的意义.针对常规混沌预测方法的局限性,提出基于相空间重构的支持向量机(SVM)预报方法.该方法首先对径流时间序列进行混沌辨识,然后对其进行相空阃重构,采用基于结构风险最小化的SVM进行径流预报.对于SVM的参数优选问题.以径向基核函数作为核函数,采用混沌交尺度优化方法进行参数寻优.实例表明.该方法优于SVM和人工神经网络(ANN)预报方法.且具有良好的泛化推广能力.     

一种新的遗传策略在含“开关”过程的集合预报中的有效应用

针对初值及模式的不确定性,进行了初值扰动集合预报和模式扰动集合预报。在初值扰动集合预报中,将一种新的遗传策略用于四维变分资料同化生成集合预报的分析场,求解条件非线-}生最优扰动,并结合第二、第三主奇异向量（SVs）生成集合预报的初始扰动。为了检验该方法的有效性,采用一个含“开关”过程的偏微分方程的预报模式,设计了3种比较数值试验方案。结果表明：采用第3方案的集合预报在预报技巧上明显高于其他两种方案。第2方案和第1方案相比,由于“开关”的影响,集合预报技巧提高并不明显。在模式扰动集合预报数值实验中,为了模拟模式的不确定性,在控制方程右端添加6个随机的误差项模拟由于物理参数化方案的不同而带来的模式扰动,采用新的遗传策略在扰动模式中同化出6个对应于扰动模式的分析场后进行集合预报,并与基于伴随技术的方法进行比较。结果表明,基于遗传算法的扰动模式集合预报的预报技巧明显优于伴随方法,且这种优势随着预报时间的增加愈发明显。     

基于LSTM深度学习的ENSO预测及其春季预报障碍研究

利用长短期记忆网络(LSTM)深度学习算法构建一个热带太平洋Nino3.4指数预测模型, 并分析模型的季节预报误差。结果表明, LSTM模型能够较好地预测厄尔尼诺事件的变化趋势, 但针对不同类型的厄尔尼诺事件有不同的表现。对于1997/1998和 2015/2016强东部型厄尔尼诺事件, 该模型能较准确地预测事件的趋势和峰值, 距平相关系数(ACC)达到0.93以上。但是, 对于 1991/1992和2002/2003弱中部型厄尔尼诺事件, 在峰值预测方面表现不好。在厄尔尼诺增长期,预报误差的季节增长率最大值皆处于4—6月,存在明显的春季预报障碍(SPB)现象。在衰减期,同类型事件的季节增长率最大值分布相似:弱中部型厄尔尼诺事件的最大值皆处于春季,存在明显的SPB现象;强东部型厄尔尼诺事件的最大值分散在其他季度,不存在SPB现象。个体事件间存在一定的差异,可能与事件的特征(如事件类型和强度)有关。     

基于Box-Cox变换与Lasso回归的支持向量回归模型在月径流预报中的应用

为进一步提高中长期径流预报的精度,从而为水库调度决策及水资源配置管理提供更可靠的信息支撑,针对径流序列的偏态性和非线性特点,将Box-Cox变换与Lasso回归引入支持向量回归(SVR)模型,构建基于Box-Cox变换与Lasso回归的支持向量回归月径流预报模型(BC-LSVR Model),在对原径流序列进行相空间重...     

集合Kalman滤波同化方法在福建沿岸潮汐数值模拟和预报中的应用研究

为了提高潮汐数值模拟和预报的准确度,利用《2009潮汐表》,建立了含集合Kalman滤波同化模块的潮汐数值预报模型,对集合Kalman滤波同化模块中的参数进行确定,并对同化效果进行了检验.为了确定集合Kalman滤波同化模块中的参数(主要是集合数和截断半径),考虑了42种参数组合,在这些组合中,以模拟准确度和计算相同时段的潮汐值所需时间为标准,存在最优的参数组合:其中,东山、厦门、娘宫、崇武4个站最优的截断半径为35 km,三沙站最优截断半径为30 km,5个站的最优集合数均为20.实验结果表明:将集合Kalman滤波同化方法用于潮汐数值预报模拟中是可行的,同化验潮站的潮汐表上的潮位数据对验潮站本身及其邻近网格点的潮汐模拟改进最大;当5个站不同化调和数据进去的时候,东山、厦门、娘宫、崇武4个站的模拟准确度,在未来12 h仍然有所提高.     

基于网格的精细化降雨径流水文模型及其在洪水预报中的应用

以正交网格降雨径流模型研究为基础,提出了用于洪水预报的精细化基于网格蓄满与超渗空间组合的降雨径流模型(Grid-XAJ-SATIN)。从模型的原理与结构、地理信息空间处理、参数空间分布估算、模型的驱动场分析、模型流域状态同化几个方面对该模型进行讨论,分析模型在湿润、半湿润流域的实际应用情况。结果表明,无论是湿润流域还是半湿润流域,所提出的精细化模型均能取得良好的模拟预报精度,且模型在输出流域出口断面流量过程的同时,可实现对流域内任意网格单元流量过程的精细预报。     

对狭义相对论的研究和讨论

本文提供了相对论发生、发展的背景.物理学定律之一的相对性原理从任意惯性系看来的一致性最先由H.Poincarè推介,而Lorentz变换(LT)体现该原理,但H.Lorentz于1904年发表的相对性思想是在以太存在性之下得出的.1905年Einstein发表了著名论文,其中有一个公设--光速不变性原理,由此认为不需要以太,亦即用不着一个优先的参考系.后来的讨论总包含下述问题:Eimtein的狭义相对论(SR)和改进的Lorentz理论(MOL),哪个更好地描述自然界?这两者的主要区别在于,SR认为所有惯性系都是平权、等效的,而MOL认为存在优先的参考系.多年来的众多研究讨论显示,SR存在逻辑上的不自洽,亦缺少真正确定的实验证实.由此可以理解欧洲核子中心(CERN)的著名科学家John Bell在1985年所说的话:"我想回到Einstein之前,即Pioncatè和Lorentz".值得注意的是,SR无法解释近年采出现的研究成果--引力传播超光速和量子纠缠态传播超光速,而MOL却能解释.本文强调讨论科学问题必须冷静客观、实事求是;认为相对论体系面临重大变革,而来自各方面的力量正在推动这一变革.     

2种改进的PWM方法及其在径流区间估计中的应用

对于小样本的时间序列应用2种改进的PWM方法,分别用修正的Bootstrap方法和随机加权法对样本进行再抽样,然后根据PWM方法进行区间估计,并以潘家口水库径流量为例,对2种改进的PWM方法与传统方法进行比较,改进的PWM方法的精度更高,在相同的置信水平下,置信区间更短.     

基于CMIP 6多模式的长江流域气温、降水与径流预估

【目的】探究未来气候变化对长江流域径流的影响,为长江流域及其他地区的早期洪水预警和防御措施提供依据。【方法】采用国际耦合模式比较计划第6阶段(CMIP 6)多模式集合平均(MME),结合SWAT水文模型,对长江流域1961—2014年气温、降水量和径流等进行评估,并预估了长江流域2020—2099年SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5排放情景下的气温、降水量和径流。【结果】(1)相比单一模式,MME历史时期模拟气温和降水效果更好,与观测值的相关系数均大于0.90,MME可以很好地模拟出气温和降水量的空间分布规律。(2)由MME分析可知,2020—2099年长江流域在所有情景下的气温增幅低于50%,降水增量小于20%,在SSP5-8.5情景下模拟的温度值比SSP1-1.9时的温度值高1.23℃,比SSP1-2.6时的温度值高0.99℃。(3)总体上,长江流域未来的年均径流量增加显著,到21世纪末,SSP5-5.8情景下年均径流量将达到40 380 m³/s。【结论】本研究揭示了长江流域径流变化趋势与气温与降水之间的...