导读:本文包含了精细化气温预报论文开题报告文献综述及选题提纲参考文献，主要关键词:贺兰山东麓,Kalman滤波方法,春季最低气温和霜冻,格点预报产品
精细化气温预报论文文献综述
陈豫英,陈楠,杨银,张磊,苏洋[1]（2019）在《贺兰山东麓春季最低气温和霜冻精细化格点预报产品的检验》一文中研究指出为了满足本地实际业务和服务需求,利用0.125°×0.125°欧洲中期天气预报中心ECMWF模式逐3 h最低气温预报产品和1 km×1 km逐时气温格点实况场资料,使用叁种Kalman滤波方法订正贺兰山东麓144 h内逐3 h最低气温和霜冻1 km×1 km的格点预报,并对比检验订正前后四种产品的预报效果,检验结果表明:经过Kalman滤波方法订正后,贺兰山东麓最低气温预报误差和霜冻预报准确率及稳定性明显提高,叁种Kalman滤波方法的平均绝对误差分别较ECMWF降低了0.76℃、1.04℃和1.12℃,霜冻预报准确率提高了3.2%、3.9%和5.3%;叁种Kalman滤波方法对于1 400 m以上的高海拔山区订正效果显着,误差降低了2～5℃,霜冻预报准确率提高了10%～30%,且海拔越高,订正效果越明显,而对于1 200 m以下的低海拔平原地区,由于ECMWF模式预报效果较好,订正能力有限;相较而言,最优集成Kalman方法的订正效果最好。(本文来源于《自然灾害学报》期刊2019年01期）
倪铮,梁萍[2]（2018）在《基于LSTM深度神经网络的精细化气温预报初探》一文中研究指出利用LSTM(Long Short-Term Memory)深度神经网络和空军T511数值预报产品,对宝鸡市2017年9月到2018年3月每日逐3小时实况观测的数据进行模拟分析,建立宝鸡市未来24小时精细化气温预报模式。结果表明:其精细化气温预报准确率为68. 75%,日最低气温预报准确率为84. 62%,日最高气温预报准确率为61. 54%,并能较好地对天气过程转折进行刻画,可满足日常气温预报的需要。(本文来源于《计算机应用与软件》期刊2018年11期）
陈豫英,杨银,张磊,苏洋,聂晶鑫[3]（2018）在《贺兰山东麓葡萄园区春季最低气温精细化格点预报方法研究》一文中研究指出利用0.125°×0.125°欧洲中期天气预报中心ECMWF模式逐3h最低气温预报产品和1km×1km逐时气温格点实况场资料,使用叁种Kalman滤波方法订正贺兰山东麓葡萄园区144h内逐3h最低气温和霜冻1km×1km的格点预报,并对比检验订正前后四种产品的预报效果,检验结果表明:经过Kalman滤波方法订正后,贺兰山东麓葡萄园区最低气温预报误差和霜冻预报准确率及稳定性明显提高,叁种Kalman滤波方法的平均绝对误差分别较ECMWF降低了0.76℃、1.04℃、1.12℃,均方根误差降低了0.65℃、1.03℃、1.1℃,霜冻预报准确率提高了3.2%、3.9%、5.3%;叁种Kalman滤波方法对于葡萄园区内1400m以上的高海拔山区订正效果显着,误差订正值都在2～5℃,霜冻预报准确率提高值都在10～30%,且海拔越高,正订正效果越明显,而对于1200m以下的低海拔平原地区,订正效果相对较弱,仅KM3有弱正订正,但误差和霜冻订正值都在0.5℃和5%以内,KM1和KM2都为弱的负订正;相较而言,最优集成方法KM3的订正效果最好, KM2次之,KM1相对较弱。(本文来源于《第35届中国气象学会年会 S1 灾害天气监测、分析与预报》期刊2018-10-24）
杨银,陈豫英,张肃诏[4]（2018）在《基于DERF2.0模式的宁夏逐日延伸期最高最低气温精细化预报方法研究》一文中研究指出利用国家气候中心1°×1°DERF2.0模式每日20:00起报的未来11-30天逐日最高、最低气温产品以及国家信息中心每日20:00为起止时刻的5×5km的日最高、最低气温格点实况产品。通过反距离平方权重插值将DERF1°×1°逐日最高、最低气温预报产品插值到0.05°×0.05°(即5km×5km,简称DERF),并结合格点实况采用Kalman滤波方法(简称KM)进行预报误差订正。2018年1-4月检验结果表明:(1)相较实况,DERF温度预报分布相对粗糙,KM方法在降低预报误差基础上,做到了"形相似、值相近",更好的刻画了温度的区域细节、地形分布特征,对霜冻、高温等灾害性天气预报能力提高;(2)较DERE高低温预报,KM方法的平均误差、平均绝对误差、平均相对误差下降幅度在0.52℃至4.05℃;最高气温订正效果好于最低气温,最高气温整体订正效果好,同心、固原一带订正效果最好(3℃以上);最低气温订正效果北部好于南部,银川平原订正效果最好(3℃以上)。(本文来源于《第35届中国气象学会年会 S24 青年论坛》期刊2018-10-24）
王旭红[5]（2018）在《多模式集成MOS方法在精细化气温预报中的应用》一文中研究指出本文采用T213与ECMWF模式产品,对多模式MOS预报方法在气温预报方面应用展开分析探讨,并同单模式MOS预报方法分析对比。结果表明,多模式集成MOS方法预报水平有显着提升,可同时采用若干个模式产品可用资料,汲取各自优势,获取更为有效理想的预报。此外,各季节MOS气温预报水平具有显着差异,尤其夏季预报水平明显比其他3季要高,MOS方法在气象预报水平提升方面有重要价值。(本文来源于《农业与技术》期刊2018年14期）
赵洁,郑颖菲,朱贇贇[6]（2018）在《江津地区精细化气温预报模型研究》一文中研究指出利用T639和欧洲中心细网格的气温数值模式预报产品及相应时段内研究区各镇街站点的实况气温建立动态预报方程,对江津地区各镇街24~72h日最高气温、日最低气温进行预报,为方便该模型投入业务运行使用,编制了基于数值预报模式产品的精细化气温预报软件,并在实际业务运行中取得了初步效果.对软件的初期试运行发现,软件预报较主观预报在业务评分方面有较明显的提升,对预报员主观预报有一定的指导意义.(本文来源于《西南师范大学学报(自然科学版)》期刊2018年04期）
杨佳[7]（2018）在《营口地区气温与海上大风精细化订正预报研究》一文中研究指出气温和大风预报是天气预报中的重要组成部分。本文利用2002年至2011年间的NCEP/NCAR数值产品与营口市叁个台站的日最高、最低温度观测资料,分月建立最高和最低气温的一元线性回归方程,之后统计分析湿度、风向、风速、低云量和降水等气象要素对最高和最低气温的影响程度,并分别建立相应的订正关系,对预报回归方程进行订正,得到叁个代表台站各月的最高和最低气温预报订正指标。另外,对营口地区出现的海上大风进行了分类研究,并提出大风物理量阈值预报方法。研究结果表明:(1)850hPa温度数值产品与叁个台站的最高、最低温度存在一定的相关关系,不同要素对不同台站不同月份气温的订正值各不相同:湿度对营口西炮台站温度的影响较小,对大石桥影响较大;阴天对叁个台站的温度都有一定程的影响;出现降水时,所有台站的温度都需要进行订正;风速偏大时,有利于温度降低,风速偏小时则有利于温度升高。(2)通过分析过去的温度预报失误个例,发现地形等因素对气温也有一定程度的影响,并对订正效果进行统计检验,发现通过订正可以提高所选台站的温度预报准确率约3%~5%。(3)根据天气学模型将海上大风分为四类:气旋(低压)型、高压后部型、冷锋后部型、台风型。其中,气旋(低压)型在营口地区最为常见。通过对各类海上大风的历史过程分别进行个例分析,总结了海上大风的客观定量预报方法,可以分为:有无预报、强度预报、落区预报和减弱预报,得到大风物理量阈值预报方法,这种预报方法较原有预报方法可以减少漏报情况的出现。(本文来源于《兰州大学》期刊2018-03-01）
韩慎友[8]（2016）在《基于卡尔曼滤波方法的精细化气温格点预报》一文中研究指出1精细化格点预报发展概况随着经济社会的发展,对天气预报准确率和服务的及时性都提出了很高的要求。天气预报的精细化,也是目前气象服务面临的迫切需求。随之数值天气预报分辨率的提高和集合预报技术的发展,天气预报技术发展到相对成熟阶段,近年来,大量自动气象站的布置使用,为开展精细化到乡镇的和数公里格距的网格化预报奠定了基础。气温预报是最基本的天气预报要素之一。国际上,发达国家较早开展了精细化的预报业务。美国国家环境预报中心(NCEP)在其"无缝隙"的精细化预报发展战略的实施中,采取的是以国家级的专业化指导预报带动地方台的精细化预报的业务发展模式,建立了3小时间隔,分辨率为5公里的格点天气要素预报业务,并以此为基础,建立了全国的数字化预报产品库。多个省份已经或正在建设人机交互精细化气象预报业务工作平台,如广东数字网格天气预报业务平台。2广西气象台精细化预报和精细化气象格点预报发展近况广西区气象台2014年起开展了乡镇精细化预报业务,预报采用欧洲数值天气预报中心的细网格预报资料,对温度预报用前几日的预报误差平均值来订正,对湿度、风和降水的预报采用直接插值作为预报产品。目前的温度订正预报方法,订正效果有限,需要发展订正效果更好地释用技术,如卡尔曼滤波类方法、非齐次高斯回归等方法。广西区气象台2016年开始试运行精细化格点预报系统,需要更好地初始预报场,以提高预报准确率和减小主观订正的工作量。3基于卡尔曼滤波方法的温度预报订正卡尔曼滤波方法唱应用于温度预报的订正[1,3],其最大优点是不需要太多的历史资料,所建的方程,其预报因子与预报量之间的关系是随时间的变化而改变的,避免了一般统计预报方法所建立的方程随时间推移、气候变迁,预报误差增大、甚至不可用的缺点。中央气象台以及安徽省气象台等多个省级气象台对该方法的应用表明,卡尔曼滤波法对于2米气温的订正具有明显效果,该方法计算效果总体不低于非齐次高斯回归方法[4]等需要更多计算量和内存的算法,尤其适合精细化预报这种需要大计算量的业务。4卡尔曼滤波法的对广西地区温度预报的订正效果使用2015年欧洲中长期数值预报中心细网格2米温度预报资料和卡尔曼滤波方法进行订正。通过计算不同偏差订正系数值的误差和准确率,求取最优的本地化偏差订正系数,即使预报准确率最高的偏差订正系数值,确定不同预报时效的最优偏差订正系数值。并将订正后的温度预报结果通过cressman插值方法得到修正的精细化格点预报。对于广西90个国家气象站,最高温度1-7天预报时效的最优偏差订正系数分别是:0.5、0.5、0.4、0.4、0.5、0.3、0.4;最低温度0.75、0.6、0.75、0.6、0.3、0.15、0.3。24小时时效的14时温度预报(使用EC细网格42h预报时效数据)的TS评分,经卡尔曼滤波订正后准确率为66.24%,比订正前的43.42%提高了22.81%;24小时最高温度预报订正后TS评分为67.03%,准确率提高32%;24小时最低温度预报(使用EC细网格36h预报时效数据)订正后TS评分为80.05%,提高8%。广西不同地区预报准确率差别明显,南部预报准确率高于北部地区,部分河谷地区和山区预报准确率较低。5展望本研究可以提供更好地精细化格点预报初始场,有利于提高温度预报的准确率和大大减轻预报员的工作量和提高预报员对温度预报的订正效果。卡尔曼滤波方法除了可以订正气温的预报外,也可以推广到对其他气象要素预报的订正,并且可以在卡尔曼滤波订正的基础上对预报场增加进一步的订正,比如地形降尺度技术、统计降尺度技术、局地小气候分区等进一步订正,卡尔曼滤波方法可以用于不同数值模式的温度预报产品以及集合预报的温度预报产品的订正等。(本文来源于《第33届中国气象学会年会 S8 数值模式产品应用与评估》期刊2016-11-01）
刘鑫,牛旭东,高杰,王丽婧[9]（2016）在《中卫市乡镇精细化气温预报指标研究》一文中研究指出基于中卫市大监站及各乡镇代表站点总计46个站点近4年的逐日实况资料,首先以气象学意义上的季节划分四季,然后在各季节的时间段内,按照天空云量划分为晴、多云、阴雨天。利用统计分析的方法,得出晴、多云、阴雨天时,各乡镇代表站点相对于本县(区)主站点气温的初步订正指标。最后选取了3个霜冻、3个高温的历史个例,对预报指标进行模拟检验。(本文来源于《农业科技与信息》期刊2016年25期）
杨世昌[10]（2016）在《乡镇精细化最高最低气温预报方法初探》一文中研究指出[目的]探讨精细化最高、最低气温预报方法。[方法]通过对2013年7月至2014年6月葫芦岛市乡镇观测点与县观测站最低、最高气温的差异进行统计分析,利用修正Barnes插值和一阶卡尔曼滤波订正方法制作乡镇观测点的最低、最高气温预报,并进行精细化订正。[结果]随季节变化乡镇观测点与县观测站之间的最低、最高气温具有明显差异。[结论]为开展精细化到乡镇的温度预报奠定了基础。(本文来源于《园艺与种苗》期刊2016年02期）
精细化气温预报论文开题报告
（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：
利用LSTM(Long Short-Term Memory)深度神经网络和空军T511数值预报产品,对宝鸡市2017年9月到2018年3月每日逐3小时实况观测的数据进行模拟分析,建立宝鸡市未来24小时精细化气温预报模式。结果表明:其精细化气温预报准确率为68. 75%,日最低气温预报准确率为84. 62%,日最高气温预报准确率为61. 54%,并能较好地对天气过程转折进行刻画,可满足日常气温预报的需要。
（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。
精细化气温预报论文参考文献
[1].陈豫英,陈楠,杨银,张磊,苏洋.贺兰山东麓春季最低气温和霜冻精细化格点预报产品的检验[J].自然灾害学报.2019
[2].倪铮,梁萍.基于LSTM深度神经网络的精细化气温预报初探[J].计算机应用与软件.2018
[3].陈豫英,杨银,张磊,苏洋,聂晶鑫.贺兰山东麓葡萄园区春季最低气温精细化格点预报方法研究[C].第35届中国气象学会年会S1灾害天气监测、分析与预报.2018
[4].杨银,陈豫英,张肃诏.基于DERF2.0模式的宁夏逐日延伸期最高最低气温精细化预报方法研究[C].第35届中国气象学会年会S24青年论坛.2018
[5].王旭红.多模式集成MOS方法在精细化气温预报中的应用[J].农业与技术.2018
[6].赵洁,郑颖菲,朱贇贇.江津地区精细化气温预报模型研究[J].西南师范大学学报(自然科学版).2018
[7].杨佳.营口地区气温与海上大风精细化订正预报研究[D].兰州大学.2018
[8].韩慎友.基于卡尔曼滤波方法的精细化气温格点预报[C].第33届中国气象学会年会S8数值模式产品应用与评估.2016
[9].刘鑫,牛旭东,高杰,王丽婧.中卫市乡镇精细化气温预报指标研究[J].农业科技与信息.2016
[10].杨世昌.乡镇精细化最高最低气温预报方法初探[J].园艺与种苗.2016
标签：贺兰山东麓; Kalman滤波方法; 春季最低气温和霜冻; 格点预报产品;