简介：将BP（BackPropagation）神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现：BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。

简介：286系列机是目前气象台站普遍推广和使用的微机。由于DOS版本与系统的某些功能不完全匹配,或因为别的原因,BASIC语言中的一些绘图语句如LINE、DRAW等以及系统提供的图形设备(GRD、SYS)均不能使用。这样,经常遇到的一些图形问题,如产量趋势处理的拟合分离图、相关因子的散聚图等得不到解决。为此,我们选用系统提供的中断INT

简介：利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络（Self-OrganizingMaps,简称SOM）的统计降尺度方法,对江淮流域夏季（6-8月）逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分（BrierScore）均近似为0,显著性评分（SignificanceScore）全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1（m）模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1（m）模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。

简介：选用1964~2013年青海省43个气象站常规观测资料,分析4个生态功能区蒸发皿蒸发量的时空变化特征,并采用完全相关法进行蒸发皿蒸发量变化趋势的成因分析。结果表明：近50a来,青海省4个生态功能区蒸发皿蒸发量的年和季节变化特征明显,柴达木盆地和三江源区年蒸发量整体分别呈显著下降和上升趋势,而环青海湖区和东部农业区变化趋势不明显;4个生态功能区年蒸发量均呈先降后升的阶段性变化特征,但转换时间不尽一致。青海省春、夏、秋季和年蒸发量均从西北向东南逐渐减小,冬季从南向北逐渐减小。柴达木盆地和东部农业区年蒸发量突变时间分别是1998年和2002年;环青海湖区和三江源区突变不明显。影响青海省4个不同生态功能区年蒸发量的主要气象因子不同：柴达木盆地为风速、日照时数、平均气温和气温日较差,环青海湖区为平均气温、风速和气温日较差,东部农业区为风速和相对湿度,平均气温、相对湿度和气温日较差是三江源区蒸发量上升的主要因素。