基于多普勒天气雷达体扫资料的下击暴流预警方法研究
本文利用新一代多普勒天气雷达体扫数据、自动气象探空站和地面大风测站资料,对2009-2013年湖北省大风天气过程的风暴特征量进行相关统计分析,通过云模型和支持向量机(SVM)等方法确定了包含环境、反射率和径向速度特征的9个下击暴流雷达预警指标.基于已确定的预警指标,分别利用Bayes和BP神经网络两种方法建立了下击暴流预报模型,通过识别结果检验表明,两种算法均能有效区分大风与非大风.Bayes方法大风击中率(POD)可以达到81.8%,大风和非大风预报准确率为86.7%,虚警率(FAR)和失误率(FOM)分别为5.2%和18.1%,TS评分0.77;BP神经网络非线性预报方法对大风的识别准确率为84%.进一步证明了提出的下击暴流雷达指标的可预报性和实用性.
多普勒天气雷达、下击暴流、预警指标、云模型、BP神经网络
28
P456.9;X43(天气预报)
政府间国际科技创新合作重点专项2016YFE0109400;国家自然科学基金项目41275008;湖北省气象局年轻科技人员专项2016Q03
2019-07-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
118-126