金沙江下游多种面雨量集成预报方法的对比分析
集成方法有利于提高降水要素预报的准确性和可预报性.本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4-10月金沙江下游面雨量预报效果进行对比分析.结果表明:多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法.在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法.集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用.在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好.这些结论可为流域面雨量预报提供参考借鉴.
金沙江下游、面雨量、集成方法、预报检验
51
P457.6(天气预报)
国家自然科学基金;国家自然科学基金;金沙江下游梯级水电站气象预报关键技术研究;统建设项目;高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金
2023-03-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
85-93