一、MOS,PP方法在降水及温度预报中的效果对比检验（论文文献综述）
赵桂洁,何娜,郝翠,李靖,李桑[1]（2021）在《北京地区温度要素模式预报和客观方法检验评估》文中认为利用2018年10月1日至2019年9月30日北京地区55个地面气象站的实况观测数据对欧洲中期天气预报中心的全球预报（ECMWF-thin）、国家气象中心区域预报（Grapes）、北京睿图（RMAPS）、国家级指导预报（SCMOC）、北京智能网格温度客观预报（BJTM）和集合相似预报（AnEn）的逐日最高、最低气温预报结果进行检验评估。结果表明:（1）ECMWF-thin模式预报效果优于Grapes和RMAPS,客观方法BJTM和AnEn对ECMWF-thin的改进效果明显。（2）AnEn在10月至次年4月预报效果好,BJTM在5—9月预报效果好;不同预报时效中,AnEn在短期、中期前段预报效果较好,BJTM在中期5～9 d预报效果相对较好。（3）以南郊观象台为代表站进行检验,结果显示模式预报均存在明显的系统偏差,客观方法对系统偏差有很好的订正效果。（4）在降水、大风或无天气系统时,BJTM、AnEn的日最高温度预报准确率较高;雾霾天气背景下,ECMWF-thin的最高温度预报准确率较高。雾霾、大风和无天气系统时,ECMWF-thin最低温度预报偏差最小,客观方法对模式预报无改进;降水天气背景下,RMAPS和BJTM对最低温度的预报偏差最小。
杨倩,陈朝平,陈权亮[2]（2020）在《四川日最高最低气温预报订正产品评估》文中认为基于SCMOC、SNWFD、SPCO 3种模式2016—2018年的逐日2m日最高、最低温度预报资料及对应的实况站点数据,分析讨论了四川地区精细化订正产品的预报性能,结果表明:（1） 3种模式中,客观方法 SPCO与人工订正SNWFD在最高、最低温度的预报能力相当,均高于SCMOC;（2）四川地区东部的预报效果整体好于西部地区,且川西高原、凉山州地区预报误差最大;（3）对于季节,夏、秋两季预报效果好于春、冬季节;（4）随着预报时效的增加,预报误差逐渐增大;（5）四川地区,2m日最低温度的预报效果好于日最高温度。
盛春岩,范苏丹,荣艳敏,孙文奇[3]（2020）在《几种气温客观预报方法对比及最优集成预报研究》文中提出由于模式本身的误差以及地形等影响,对模式产品进行订正释用是提高气温客观预报准确率的重要手段。基于ECMWF细网格预报产品研发了气温偏差订正和准对称混合滑动训练期MOS预报系统,在此基础上,设计了一种气温最优集成预报方法。对不同模式和不同客观方法的日最高、最低气温预报准确率进行了对比分析,结果表明:通过10～30 d的偏差滑动订正可以较好提高ECMWF细网格模式日最高、最低气温预报准确率。偏差滑动订正在短期内订正效果较显着,对考核站和鲁中山区订正效果尤其明显,对最低气温预报订正效果好于最高气温。MOS客观预报对日最高、最低气温预报也有较好的订正效果,但ECMWF细网格、偏差订正、MOS客观预报产品在不同地区、不同季节预报准确率有所不同,采用动态最优集成的方法进行最优集成预报,可以集成不同客观方法的预报优势,在多种客观预报产品的基础上再次提高预报准确率,达到最优集成的目的。
张铁军[4]（2020）在《典型风电场的风场数值预报能力改进及应用系统开发研究》文中进行了进一步梳理数值预报为风电场风的预报提供了一个有效途径,可是复杂地形条件下风的准确预报仍然是一个具有挑战性,也具有社会经济影响的科学问题。本文以先进的数值预报理论和方法为基础,针对甘肃河西地区地形复杂、下垫面类型繁多、观测站点稀少的特性,分析了甘肃河西西部典型风电场风场基本特征,进行了风电场风场数值模拟,总结了数值模式参数化方案的适用性,开展了具有针对性的数值模式改进工作。并进一步开发了风电场风场预报的数值模式应用系统——绿海系统（详见第八章）。通过一段时间的稳定运行,发展了新的基于数理统计方法的订正模块。检验评估表明,绿海系统在实际业务中的风速预报能够很好地满足服务需求。研究内容主要包括以下四个方面:一、揭示了河西地区风场类型及转换特征,发现风场型的日变化特征,并且不同风场型的转换存在特定关联性。利用风场分型技术研究发现,河西酒泉地区风场可以分为5种类型,分别为“一致弱西风型（I型）”、“西风转南风型（Ⅱ型）”、“河谷加强西风型（Ⅲ型）”、“北侧强西风型（Ⅳ型）”、“弱东风型（V型）”,其中I型主要出现在夜晚、II型主要出现在白天;不同风场型之间不能随意转换,且在风场型的转换过程中存在过渡类型,如“弱西风型”不能与“弱东风型”直接转换,必须先经过“西风转南风型”的过渡。二、分析了不同驱动场数据对数值模式风场模拟误差之间的差异及边界层和辐射方案对风场模拟的影响,发现FNL资料作为初边值驱动场的模拟误差小于ERA5资料驱动的误差,YSU边界层方案对风速模拟效果最佳且模拟结果对辐射方案较敏感。利用WRF（The Weather Research and Forecasting Model）模式研究了甘肃河西地区不同驱动场、不同参数化方案配置下的风场模拟情况,并基于区域站、测风塔观测资料进行检验,对10m风场来说,基于FNL资料驱动场的模拟结果中风速误差百分率较ERA5资料驱动的模拟结果更低;对比不同边界层方案的模拟发现,YSU方案对风速具有更好的模拟效果;此外,不同的辐射参数化方案对风场的模拟结果差异较大,辐射方案对风速模拟有很大影响。三、从垂直坐标系适应性、同化ECMWF资料和模式结果订正方法三个方面入手对风场的数值模式进行了改进,发现混合垂直坐标系对虚假重力波有一定削弱作用,同化ECMWF资料后风速预报得到显着改善,提出的快速循环订正方法对预报结果改善显着。甘肃河西地区地形复杂,分别利用σ垂直坐标系和混合σ-p垂直坐标系研究地形描述对风速预报的影响,发现后者显着降低了虚假重力波向上传递,但对风场的模拟结果后者更好;另一方面,基于欧洲中期数值预报中心（European Centre for Medium-Range Weather Forecast,ECMWF）高分辨率预报资料,研究不同观测资料密度下资料同化对风速预报的影响,以探索甘肃河西地区观测站点稀疏问题的解决途径,结果表明同化风速的预报结果改善显着;基于历史观测及预报资料,提出了一种运用资料均值、方差和趋势的快速循环订正方法,利用该方法订正后的预报结果明显优于模式的直接预报结果。四、构建了风电场风场预报业务系统并进行回报试验,评估结果表明该系统对风速预报的误差较小,满足业务需求。基于河西地区风场特征及模拟误差的研究,结合对背景误差协方差矩阵、Landuse的替换和垂直层加密等模式改进,建立了针对甘肃河西地区典型风电场的风场预报业务系统——绿海系统。通过该数值预报系统开展批量预报回算试验,预报对象为河西地区5个风电场,预报时段为2019年1-5月。结果表明大部分站点（时次）的预报误差小于2 m·s-1,满足业务需求。本文的研究结果可以推广到复杂地形下的风电场数值预报,是目前气象部门在西北地区第一个适用于复杂地形条件下的风能精细化数值模式预报业务应用系统。
樊仲欣,陈旭红,谭桂容[5]（2019）在《基于递归小波神经网络的江苏城镇夏季最高气温预报预警技术》文中指出针对目前数值天气预报产品释用方法上所存在的释用因子固化,无法应对特殊转折性天气的问题,应用一种基于动态因子检验的递归小波神经网络（Recurrent Wavelet Neural Network,RWNN）对江苏城镇夏季最高气温进行释用。该方法可以自动选取气象要素且无需建立回归方程,具有泛用性好、灵活性高的特点。使用该方法基于T639的2017-2018年6-8月资料建立了江苏省南京、徐州、射阳、常州、苏州5地的最高气温预报预警模型。实验结果表明:南京、徐州、射阳3地模型的TT2和HSS35评分较反向传播神经网络方法分别平均提高了9个百分点和0.15,同时较卡尔曼滤波方法分别平均提高了17个百分点和0.2。
赵振宇[6]（2019）在《阜新地区最低气温预报订正方法对比分析》文中提出为提高阜新地区最低气温预报的准确率,使本地区最低气温预报准确率能够达到业务的考核标准,同时,日最低气温是影响作物低温灾害的重要气象要素,提高其预报准确率,对防御低温灾害有重要意义。因此,本文分析了阜新地区2017年和2018年两年欧洲细网格2m气温预报产品的准确率及误差情况,进而应用直接订正、固定订正期订正、滑动订正期订正、插值订正、卡尔曼滤波订正、深度神经网络订正等订正方法对其进行订正,结果如下:1.阜新地区（阜新县和彰武县）欧洲模式最低气温预报准确率最好的是夏季（6月、7月和8月）,最差的是12月。对于模式的系统误差,通过直接订正法进行订正,订正幅度最大的是12月（彰武县）,由25.8%订正到74.2%。误差的范围,夏季误差范围较小,基本集中在-3℃到4℃范围内,和年误差频数分布一致,正误差明显多于负误差,且6月和8月负误差都在业务要求（可以正负偏离2℃）范围内。误差范围最大的是4月,从-6℃到-15℃,其次是12月,从-3℃到10℃。其余月份（13月、5月、911月）,误差主要集中在-2℃到8℃之间,且除夏季外,误差分布分散,两县比较,彰武县误差范围小于阜新县。2.阜新县和彰武县的各订正方法根据订正后年准确率由高到低的顺序均依次为深度神经网络订正法、固定订正期订正法、滑动订正期订正法、卡尔曼滤波回归订正法、插值法。3.根据各月的准确率情况,阜新县适用深度神经网络订正方法订正的月份有25月、712月,适用固定订正期订正方法订正的月份有1月和6月。彰武县适用深度神经网络订正方法订正的月份有3月、1012月,适用固定订正期订正方法订正的月份有1月、2月、46月和9月,适用插值订正方法订正的月份有4月、5月和8月,7月适用除深度神经网络外的其他订正方法进行订正。4.应用不同订正方法对欧洲模式2m最低气温预报产品进行订正,达到业务要求标准（准确率为81%）的月份,阜新县为68月,彰武县为310月。彰武县年预报准确率达到业务标准。彰武县达标的海平面气压场为低压、倒槽、高压前,阜新县为低压、倒槽。通过本研究,以期为预报员进行最低气温预报订正提供依据,为精细化、客观化格点预报的温度产品检验提供技术支撑。
王在文,陈敏,Luca Delle Monache,卢冰,张涵斌[7]（2019）在《相似集合预报方法在北京区域地面气温和风速预报中的应用》文中进行了进一步梳理相似集合是近年来提出的一种基于相似理论、大数据挖掘和集合预报思路的统计释用方法。文中首先介绍了相似集合的基本原理,并应用该方法对北京快速更新循环数值预报系统（BJ-RUC）v3.0预报地面要素开展了订正释用试验。结果表明,相似集合订正后,在0—36 h预报时段内,10 m风速的均方根误差降低44%,2 m气温的均方根误差降低22%,均方根误差均显着减小。对比测站预报误差的水平分布,相似集合方法的应用对于提升非城区站点的10 m风速预报、复杂地形区域的2 m气温预报具有更为明显的效果。相同预报因子的相似集合和支持向量机方法对模式10 m风速和2 m气温预报均具有显着且相似的订正效果,但相似集合方法具有计算资源需求较少、不需要大量人工干预的优势。相似集合方法形成的集形成确定性预报的同时,还能够提供预报要素的不确定性或概率信息。因此,相似集合方法在模式预报订正及释用方面具有广阔的应用前景。
郝翠,张迎新,王在文,付宗钰,DELLE MONACHE Luca[8]（2019）在《最优集合预报订正方法在客观温度预报中的应用》文中进行了进一步梳理数值模式的直接输出预报在实际应用时常与实况产生一定的偏差,对模式预报进行有效的本地化订正是提高预报准确率的重要手段。以欧洲中期天气预报中心（ECMWF）模式细网格资料,采用最优集合（anolog ensemble,AnEn）预报订正方法对北京市各站1～7 d的日最高气温和日最低气温进行订正,并对相关参数进行了本地化。采用了滑动训练期、优化变量权重两种方案进行训练。检验评估结果表明:（1）滑动训练期采用60 d时能同时保证计算效率和预报准确率;采用最优变量权重方案后,与预报员主观预报准确率对比,AnEn的最低气温优于预报员主观预报,最高气温基本相当;增加训练期的长度（引入多年的历史资料）相比优化变量权重方案能更有效地提高预报准确率。（2）AnEn预报订正方法在改善数值模式预报的固有偏差（如对由数值模式对局地地形、边界层日变化等形成的误差）效果显着,有较好的应用价值;对于因局地天气（如霾、降水、大风等）影响下,AnEn的温度预报准确率虽优于ECMWF,但不如主观预报,未来还有改进空间。还对检验结果进行了时间和空间验证,确保在以后的业务尤其是智能网格预报业务中的运行效果。
张成军,雷学锋,李娜,史海玲[9]（2019）在《基于动态最优PP法的乡镇温度预报技术》文中提出利用2016年宁夏气象台县站温度预报数据和宁夏县级气象观测站、乡镇级自动观测站实况数据,采用训练择优、回归PP技术,建立动态最优PP法乡镇温度预报统计方法,检验该方法的温度预报效果,分析择优过程中的内部规律。研究表明:动态择优PP法对宁夏固原乡镇温度预报的质量评分明显高于旧指标法的乡镇预报质量评分,其中最低气温提高4.74%,最高气温提高8.20%;经过逐日动态最优方法选择的最佳样本长度,各县站、各月的出现频次并不完全相同,说明采用动态择优技术选择最佳样本长度是合适的;一年中最佳样本长度累计频次随着样本数的增加而呈对数下降,但依然有3、5、7、11、19、22等样本长度容易被选中为最佳;最佳样本长度间接反映了县与乡镇温度之间的关系存在周期性。
刘雪晴[10]（2019）在《降水邻域集合概率方法格点相关及尺度敏感性研究》文中研究说明由于数值预报误差以及降水本身存在自然变率的不确定性,会导致定量降水预报结果存在不确定性,如何减小模式定量降水预报误差获得了气象学者的广泛关注。降水邻域集合概率法是处理高分辨率集合降水预报不确定性的一种新方法。然而在已有的计算方案中,邻域空间各格点大都是以等权重的方式参与计算,对邻域内格点信息相关性处理可能不够客观,概率预报结果或许不能完全描述模式预报不确定性。针对上述问题,基于“一点相关法”,采用2015年和2016年5-9月的GRAPES（Global and Regional Assimilation and Prediction Enhanced System）区域集合预报系统逐日24h降水预报资料以及同期的三源融合逐日24h累积降水格点分析资料,建立邻域格点相关系数,并构建了权重修正邻域集合方法和二分类权重修正邻域集合方法,即在计算降水邻域集合概率的过程中,根据格点间的相关系数对邻域格点配以权重。在此基础上,对2017年5-7月开展了不同降水阈值和邻域半径下的权重修正邻域集合概率方法和二分类权重修正邻域集合概率方法的预报试验,并将试验结果与传统集合概率法和等权重邻域集合概率法的预报结果进行对比。还针对试验中发现邻域概率法对邻域尺度具有敏感性的问题,进行了不同降水阈值且邻域半径为1至10倍格距的降水概率预报尺度敏感性试验,并利用多种概率预报检验评分对试验结果进行评估。研究工作主要结论如下:（1）除在邻域半径为15km时传统集合概率的AROC（Area under the Relative Operating Characteristic curve）评分高于三种邻域集合概率,其余试验情况下,采用了邻域计算方案的降水概率预报评分均优于传统的集合概率方法。（2）等权重、权重修正和二分类权重修正邻域集合概率方法的降水概率预报评分各有优劣,如等权重邻域集合概率法的相对作用特征曲线面积评分略优,而权重修正邻域集合概率法和二分类权重修正邻域集合概率法的降水概率预报可靠性更高。（3）由个例试验的概率预报分布图可以看出,等权重、权重修正和二分类权重修正邻域集合概率分布均可以给出较有意义的概率预报结果。邻域集合概率分布随邻域半径的增加呈现出逐渐平滑的趋势,且概率数值逐渐减小,但权重修正邻域集合概率分布能显示出更多的降水分布细节信息。二分类权重修正邻域集合概率分布的平滑程度介于等权重邻域集合概率和权重修正邻域集合概率之间。（4）等权重邻域概率法、权重修正邻域集合概率法以及二分类权重修正邻域集合概率法能够提供一些预报不确定信息,但其生成的概率场与原始预报降水场有很强的相关性。两种权重修正方案的概率预报值也与邻域内格点权重的选取有关。（5）通过对不同邻域半径的试验可以看出,不同邻域方法在不同降水阈值下的最优邻域尺度略有不同,综合来看,统计评分最优的空间尺度范围在5-8个模式水平网格距。选择合理的邻域方案以及邻域半径可以得到更加合理的概率预报结果。
二、MOS,PP方法在降水及温度预报中的效果对比检验（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、MOS,PP方法在降水及温度预报中的效果对比检验（论文提纲范文）
（1）北京地区温度要素模式预报和客观方法检验评估（论文提纲范文）
| 引言 |
| 1 资料和方法 |
| 1.1 资料 |
| 1.2 方法 |
| 2 24 h温度预报结果检验 |
| 2.1 日最高温度 |
| 2.2 日最低温度 |
| 3 48～240 h温度预报结果检验 |
| 4 代表站预报结果检验 |
| 4.1 日最高温度 |
| 4.2 日最低温度 |
| 5 结论 |
（2）四川日最高最低气温预报订正产品评估（论文提纲范文）
| 引言 |
| 1 资料及方法 |
| 2 结果分析 |
| 2.1 年平均预报偏差空间分布特征 |
| 2.2 季节平均预报偏差差异 |
| 2.3 不同预报时效预报偏差的分布 |
| 2.4 不同温度下预报偏差的分布 |
| 3 典型站点误差分析 |
| 3.1 日最高温度站点误差差异 |
| 3.2 日最低温度站点误差差异 |
| 4 结论与讨论 |
（3）几种气温客观预报方法对比及最优集成预报研究（论文提纲范文）
| 引言 |
| 1 资料 |
| 2 方法 |
| 2.1 偏差订正 |
| 2.2 准对称混合滑动训练期MOS预报 |
| 2.3 最优集成 |
| 2.4 检验方法 |
| 3 偏差订正试验及预报效果 |
| 3.1 ECMWF与WRF中尺度模式气温预报产品准确率对比 |
| 3.2 偏差订正最优滑动训练期试验 |
| 4 不同客观方法预报效果对比 |
| 4.1 偏差订正与MOS预报对比 |
| 4.2 不同地区最优预报产品对比分析 |
| 5 最优集成及效果检验 |
| 6 结论 |
（4）典型风电场的风场数值预报能力改进及应用系统开发研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 全球可再生能源发展背景 |
| 1.2 我国风电发展现状 |
| 1.3 甘肃河西风电场特征 |
| 1.4 风电预报研究发展现状 |
| 1.4.1 风电预报研究中WRF的应用 |
| 1.4.2 风电预报研究中的参数化方案 |
| 1.5 科学问题的提出 |
| 1.6 研究内容与章节安排 |
| 1.7 论文的创新性 |
| 第二章 资料与方法 |
| 2.1 资料 |
| 2.2 方法 |
| 2.2.1 数值模式 |
| 2.2.2 MV-EOF方法 |
| 2.2.3 K-means方法 |
| 2.2.4 风速订正方法 |
| 2.2.5 检验指标 |
| 2.3 本章小结 |
| 第三章 典型风电场风场分型及转换特征 |
| 3.1 甘肃地区风场基本特征 |
| 3.1.1 地表风速基本特征 |
| 3.1.2 不同高度风速特征 |
| 3.2 基于K-means的风场分型及特征 |
| 3.3 风场不同分型之间的转换 |
| 3.4 风场不同分型之间转换的环流特征 |
| 3.5 本章小结 |
| 第四章 数值模拟误差特征分析 |
| 4.1 数值模式对风速模拟研究背景 |
| 4.2 数值模式模拟结果与区域站资料对比分析 |
| 4.2.1 区域站分布 |
| 4.2.2 风速相关系数 |
| 4.2.3 风速误差百分率 |
| 4.2.4 2 m温度相关系数 |
| 4.3 数值模式模拟结果与风塔资料对比分析 |
| 4.3.1 风塔资料介绍 |
| 4.3.2 风塔测风逐小时分布 |
| 4.3.3 风塔资料的结果对比分析 |
| 4.4 本章小结 |
| 第五章 地形坐标对风场模拟的影响 |
| 5.1 σ坐标和混合σ-p垂直坐标 |
| 5.2 试验区域地形特征概况 |
| 5.3 试验设计 |
| 5.4 结果对比分析 |
| 5.4.1 基本形势场特征 |
| 5.4.2 高层地形重力波扰动 |
| 5.4.3 对对流层结构模拟的影响 |
| 5.5 水平风速模拟差异 |
| 5.6 批量实验与实况对比 |
| 5.7 结论与讨论 |
| 第六章 细网格风场预报的同化改进试验研究 |
| 6.1 WRF-3DVAR同化 |
| 6.2 试验设计 |
| 6.3 结果分析 |
| 6.3.1 气象要素增量对比 |
| 6.3.2 U、V误差分析 |
| 6.4 本章小结 |
| 第七章 误差订正方法研究 |
| 7.1 风电场位置及风速预报误差特征 |
| 7.1.1 风电场位置分布 |
| 7.1.2 风电场误差分布特征 |
| 7.2 风速误差订正新方法 |
| 7.3 基于AVT方法的风电场风速预报误差订正 |
| 7.3.1 误差订正情况 |
| 7.3.2 不同时刻、不同风速等级的订正 |
| 7.3.3 不同时段下风速订正后误差分析 |
| 7.3.4 基于历史资料的订正情况 |
| 7.4 不同方法风电场风速预报误差订正对比研究 |
| 7.4.1 风电场风速误差订正 |
| 7.4.2 历史资料长度对风速误差订正的影响 |
| 7.5 本章小结 |
| 第八章 应用系统构建及检验评估 |
| 8.1 系统介绍 |
| 8.1.1 业务系统参数设定 |
| 8.1.2 业务系统构建中的重要改进 |
| 8.2 业务系统预报偏差分析 |
| 8.2.1 预报偏差整体情况 |
| 8.2.2 不同月份预报偏差 |
| 8.2.3 不同时刻预报偏差 |
| 8.2.4 不同等级风速预报偏差 |
| 8.3 本章小结 |
| 第九章 总结与展望 |
| 9.1 全文总结 |
| (1)揭示了甘肃河西地区风场型的基本特征 |
| (2)分析了甘肃河西风速预报误差特征 |
| (3)对比了复杂地形下不同垂直坐标系对预报结果的影响 |
| (4)研究了同化ECMWF预报场对模式风速预报的影响 |
| (5)提出了基于历史资料的风速订正方法并用于业务 |
| (6)构建了甘肃省新能源数值预报系统并检验预报性能 |
| 9.2 讨论与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 一、发表论文 |
| 二、主持科研项目 |
| 致谢 |
（5）基于递归小波神经网络的江苏城镇夏季最高气温预报预警技术（论文提纲范文）
| 1 模式产品及预处理介绍 |
| 1.1 模式产品 |
| 1.2 缺失资料处理 |
| 1.3 格点到站点资料处理 |
| 2 模式产品释用方法 |
| 2.1 数据归一化 |
| 2.2 T检验及相关系数检验 |
| 2.3 递归小波神经网络 |
| 2.4 反复试验法确定训练集大小 |
| 3 释用结果对比分析 |
| 4 结论 |
（6）阜新地区最低气温预报订正方法对比分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究进展 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 2 资料与方法 |
| 2.1 阜新地区概况 |
| 2.2 数据资料 |
| 2.3 检验统计量 |
| 2.4 研究方法 |
| 2.4.1 直接订正方法 |
| 2.4.2 订正期订正方法 |
| 2.4.3 插值订正方法 |
| 2.4.4 卡尔曼滤波回归订正方法 |
| 2.4.5 深度神经网络订正方法 |
| 3 结果与分析 |
| 3.1 阜新地区最低气温预报中网格数据直接订正 |
| 3.1.1 阜新地区模式误差分析及直接订正 |
| 3.1.2 误差频数分布 |
| 3.1.3 误差与1m/s以下风速持续时间的关系 |
| 3.2 阜新地区最低气温预报中订正期订正 |
| 3.2.1 固定订正期误差分析订正 |
| 3.2.2 滑动订正期误差分析订正 |
| 3.3 阜新地区最低气温预报中插值订正 |
| 3.4 阜新地区最低气温预报中卡尔曼滤波回归订正 |
| 3.5 阜新地区最低气温预报中深度神经网络方法订正 |
| 3.6 不同订正方法订正效果对比分析 |
| 3.6.1 全年及各月和不同海平面气压场的准确率对比情况 |
| 3.6.2 阜新地区全年各月适用的订正方法 |
| 4 结论与讨论 |
| 4.1 结论 |
| 4.2 讨论 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位论文期间发表文章 |
（7）相似集合预报方法在北京区域地面气温和风速预报中的应用（论文提纲范文）
| 1 引 言 |
| 2 相似集合方法 |
| 3 相似集合方法在北京区域站点地面要素预报中的应用 |
| 3.1 资料和方法 |
| 3.2 相似集合方法释用结果分析 |
| 3.2.1 检验指标 |
| 3.2.2 相似集合和模式预报按预报时效的检验对比 |
| 3.2.3 空间应用效果检验 |
| 3.2.4 模型预报效果检验 |
| 4 相似集合与支持向量机方法站点要素预报释用效果对比 |
| 5 集合性能评估 |
| 5.1 集合离散度和均方根误差 |
| 5.2 Talagrand分布 |
| 5.3 集合预报产品 |
| 6 结论和讨论 |
（8）最优集合预报订正方法在客观温度预报中的应用（论文提纲范文）
| 引言 |
| 1 资料 |
| 2 方法 |
| 2.1 最优集合预报订正技术 |
| 2.2 数据处理方法 |
| 2.3 检验方法 |
| 3 方案对比与改进 |
| 4 检验效果 |
| 4.1 几种方案的结果对比 |
| 4.2 时间和空间检验评估 |
| 4.3 最优方案的效果及与主观预报的对比 |
| 5 结论和讨论 |
（9）基于动态最优PP法的乡镇温度预报技术（论文提纲范文）
| 引 言 |
| 1 数据和方法 |
| (1) 动态最优PP法 |
| (2) 县-乡镇温度新、旧指标法 |
| 2 预报温度效果检验 |
| 3 最佳样本长度特征 |
| 4 结论与讨论 |
（10）降水邻域集合概率方法格点相关及尺度敏感性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 模式降水预报后处理技术研究进展 |
| 1.2.1 定量降水订正与集成技术 |
| 1.2.2 统计降尺度技术 |
| 1.2.3 概率预报技术 |
| 1.3 邻域概率法研究进展 |
| 1.4 问题的提出及本文创新点 |
| 1.5 论文章节内容 |
| 第二章 集合预报资料及检验评分简介 |
| 2.1 研究区域 |
| 2.2 集合预报资料简介 |
| 2.3 降水观测资料 |
| 2.4 预报检验评分 |
| 2.4.1 FSS评分 |
| 2.4.2 AROC评分 |
| 2.4.3 Brier评分 |
| 第三章 等权重降水邻域集合概率预报方法 |
| 3.1 等权重邻域集合概率预报方法 |
| 3.1.1 基于确定性预报的等权重邻域概率预报方法 |
| 3.1.2 基于集合预报的等权重邻域概率预报方法 |
| 3.2 降水个例检验结果 |
| 3.2.1 检验评分结果 |
| 3.2.2 概率预报结果 |
| 3.3 统计检验结果 |
| 3.4 本章小结 |
| 第四章 权重修正降水邻域集合概率预报方法 |
| 4.1 权重修正法数学处理方案 |
| 4.1.1 权重修正法邻域格点相关系数 |
| 4.1.2 权重修正邻域集合概率预报计算方案 |
| 4.1.3 试验设计 |
| 4.2 试验结果 |
| 4.2.1 降水个例检验结果对比 |
| 4.2.2 统计检验结果对比 |
| 4.3 本章小结 |
| 第五章 二分类权重修正降水邻域集合概率预报方法 |
| 5.1 二分类等权重邻域集合概率法计算方案 |
| 5.2 试验结果 |
| 5.2.1 降水个例检验结果对比 |
| 5.2.2 统计检验结果对比 |
| 5.3 本章小结 |
| 第六章 邻域集合概率预报尺度敏感性试验 |
| 6.1 尺度敏感性试验设计 |
| 6.1.1 尺度敏感性评分简介 |
| 6.1.2 尺度敏感性试验设计 |
| 6.2 试验结果 |
| 6.2.1 分数技巧评分FSS |
| 6.2.2 AROC评分 |
| 6.2.3 BS评分 |
| 6.2.4 可靠性 |
| 6.2.5 分辨率 |
| 6.3 本章小结 |
| 第七章 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论和展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
四、MOS,PP方法在降水及温度预报中的效果对比检验（论文参考文献）
- [1]北京地区温度要素模式预报和客观方法检验评估[J]. 赵桂洁,何娜,郝翠,李靖,李桑. 气象科技, 2021
- [2]四川日最高最低气温预报订正产品评估[J]. 杨倩,陈朝平,陈权亮. 气象科技, 2020(06)
- [3]几种气温客观预报方法对比及最优集成预报研究[J]. 盛春岩,范苏丹,荣艳敏,孙文奇. 气象, 2020(10)
- [4]典型风电场的风场数值预报能力改进及应用系统开发研究[D]. 张铁军. 兰州大学, 2020(11)
- [5]基于递归小波神经网络的江苏城镇夏季最高气温预报预警技术[J]. 樊仲欣,陈旭红,谭桂容. 自然灾害学报, 2019(06)
- [6]阜新地区最低气温预报订正方法对比分析[D]. 赵振宇. 沈阳农业大学, 2019(08)
- [7]相似集合预报方法在北京区域地面气温和风速预报中的应用[J]. 王在文,陈敏,Luca Delle Monache,卢冰,张涵斌. 气象学报, 2019(05)
- [8]最优集合预报订正方法在客观温度预报中的应用[J]. 郝翠,张迎新,王在文,付宗钰,DELLE MONACHE Luca. 气象, 2019(08)
- [9]基于动态最优PP法的乡镇温度预报技术[J]. 张成军,雷学锋,李娜,史海玲. 干旱气象, 2019(03)
- [10]降水邻域集合概率方法格点相关及尺度敏感性研究[D]. 刘雪晴. 成都信息工程大学, 2019(05)