简介:摘要利用2008年1月1日至2012年12月31日逐日NCEP再分析资料(1×10)和大同地区地面常规观测资料,选取相邻两天的气象因子差值作为预报因子,相邻两天的日最高/最低气温的差值作为目标因子,分站点分月构建三层结构的日最高/最低BP神经网络模型,并应用独立样本进行模型检验,结果表明,该模型输出结果与实况拟合较好,且其对明显的升降温过程能够准确预报。在对ECMWF数值预报产品释用基础上,针对大同站2012年1月最高气温进行了24h、48h和72h模拟预测,结果显示,该BP神经网络预报模型各时效预报准确率TS评分均高于中央气象台MOS预报。
简介:港口吞吐量预测是港口决策和规划的基础。为了合理预测港口吞吐量,本文利用外贸进出口总量、第一产业总产值和第三产业总产值作为BP神经网络的输入变量,港口吞吐量为输出变量,建立了港口吞吐量预测的BP神经网络预测模型。然后根据2000年-2010年广西北部湾港口吞吐量、外贸进出口总量、第一产业总产值和第三产业总产值,利用Matlab6.5软件的神经网络工具箱,通过对BP神经网络模型的反复训练,发现当隐含层节点数为6,学习率为0.05,训练次数为500次,训练精度为0.001,动力因子为0.9时得到的效果最好。并对BP神经网络模型与多元回归模型的预测结果进行比较分析,认为BP神经网络模型预测的总体效果更优。最后利用所确定的BP神经网络模型,对2011年和2012年两年的港口吞吐量进行了预测。
简介:摘要应用江西多部雷达和探空资料、区域气象自动站资料、高山站逐时观测资料,对2018年3月4日和5月18日上饶市两次大范围强对流天气过程的成因进行综合分析,并探讨雷暴大风预警着眼点及其可预警性。结果表明两次过程相同处在于强对流发生前偏强的垂直风切变,高空云系少,地面辐射增温显著、对流不稳定能量积蓄、中低层上干下湿的水汽条件以及强垂直温度直减率为强对流风暴发生发展提供了有利的环境条件;不同处在于“3.4”属于槽前暖平流强迫类,500hpa-700hpa强盛的引导风形成的动量下传有利于极端大风的出现,显著的中层干区,有利于DCAPE的增强,强盛的冷池密度对区域性大风的出现起重要作用,强对流风暴持续3到4个小时维持飑线形状往东北移动。而“5.18”过程属于斜压锋生类,东北冷涡后部的偏北风携带冷空气偏东路径南下与副高西北侧的西南暖湿气流交汇,形成强的锋区和锋生,超级单体风暴东移南压的过程中与暖区内的对流回波逐渐结合后发展成飑线、发展移动的过程中出现弓形回波特征,在短临预警服务中,低仰角距离地面1km内的径向速度大值区(大于20m.s-1)和中层径向辐合(MARC)等特征;风廓线雷达的100-1000米风速的变化为雷暴大风预警提供重要参考,垂直液态水含量大于40kg·m-2,且在同一位置维持3个体扫时间则很容易出现短时强降水。