导读:本文包含了模式输出统计论文开题报告文献综述及选题提纲参考文献，主要关键词:T639数值预报产品,模式输出统计预报方法,云量,预报
模式输出统计论文文献综述
赵文婧,李文才,赵中军,尚可政,王式功[1]（2016）在《基于模式输出统计预报方法的云量精细化预报》一文中研究指出通过对T639数值预报产品的释用,结合地面气象观测站资料,以环渤海地区兴城站为例,建立了云量的精细化预报模型.从云形成的基本条件出发,选取4类天气学意义明确的预报因子:水汽类、大气不稳定度类、大气上升运动类和天气系统强度类,以总云量、低云量为预报对象,通过逐步回归法建立兴城站逐月、逐时次的云量预报方程.结果表明,云量主要受水汽、大气上升运动和大气不稳定度影响.回代检验结果表明,总云量平均绝对误差为20%,低云量平均绝对误差为16%,低云量的预报方程预报效果更好;总云量夏半年预报准确率更高,低云量冬半年预报准确率更高,可为云量精细化预报提供参考.(本文来源于《兰州大学学报(自然科学版)》期刊2016年04期）
余江[2]（2014）在《适用于风能预报的模式输出统计预报方法研究》一文中研究指出由于能源的短缺及环境污染的日益严重,可再生能源在世界能源结构中的比例急剧增加,其中风能被认为是当前世界上最有发展前景的新能源之一。近十几年来随着中国风力发电的快速发展,如何准确预报风速,如何解决风电并网和运行等成为风电研究中的重点和难点。针对基于数值天气预报的风速预报模式,研究提高风速预报精度和可靠性的算法具有重要的学术价值和工程实用价值。本文利用实测数据对内蒙古某风电厂区域的风速特征进行了分析,并使用WRF模式对该电厂的风速进行了模拟并分析了其误差的特征,在此基础上提出了持续法和基于时间序列的超短期风速的订正预报方法——AR模型以及短期风速订正预报方法——NEW AR模型,并对订正结果进行了分析。其次,将所提出的叁种模型应用于实际预报系统(北京快速循环更新系统,BJ-RUC)中进行了适用性检验,同时为了更好地满足业务要求,在已提出方法的基础上进行了探讨性改进,得到如下结论：1、基于风电厂区域的风速分析,得到该区域的风速分布特征为：风速时间分布特征明显,风速的日变化特征显着,白天风速大夜间风速小且存在一定的季节性；月平均风速变化明显,冬春季风速大且波动明显,秋夏季风速较小且波动相对较弱；风速整体呈正偏态分布。2、基于WRF模式模拟误差的分析,得到其模拟误差的相关特征有：各月的平均绝对误差(MAE)基本都在2m/s以上,均方根误差(RMSE)在3m/s左右,且其模拟风速的变化趋势与实际情况也存在一定的差异。模拟误差具有一定的时间分布特征且呈正态分布。通过对模拟误差的自相关系数分析发现,临近时次的自相关关系呈现出高度相关的特征,随着后延时间的增长,这种线性相关的关系则逐渐减弱。3、基于WRF模式的误差特性,建立了自回归模型(AR模型)和持续法进行超短期风速的统计订正预报,预报结果表明该方法可以有效地提高WRF模式的模拟精度,其预报风速与实测风速非常一致,且MAE和RMSE减小了约50%,为超短期风速的预报提供了依据。在AR模型基础上,提出了一种多时效的预报方法—-NEW AR模型,其预报风速在前6小时相较于WRF模拟风速更接近于实测值,且MAE和RMSE减小了约30%,但是6小时后的改善效果并不理想,故延长长度存在一定的限制。4、将所建立的模型应用于BJ-RUC中,发现持续法与AR模型改善效果同样显着,NEWAR模型在6小时内的预报风速相较于BJ-RUC的预报值更接近实测风速值,其MAE和RMSE在大多数月份减小了约30%,故认为NEW AR模型可进行6小时的订正预报。为了能进一步提高NEW AR模型的订正时效,对其进行了探讨性改进。(本文来源于《南京信息工程大学》期刊2014-06-01）
白永清,陈正洪,王明欢,成驰[3]（2011）在《基于WRF模式输出统计的逐时太阳总辐射预报初探》一文中研究指出基于WRF(weather research and forecasting model)模式逐时输出结果,设计了逐时太阳总辐射的模式输出统计(model output statistics,MOS)预报流程。主要包括:对逐时观测序列进行低通滤波再除以天文辐射,对模式输出因子的筛选和降维,以及建立MOS预报方程,并对2009年1月、4月、8月和10月武汉站逐时太阳总辐射进行预报试验。结果表明,该方案在各月预报相对稳定,拟合和预报效果均较为理想,可使平均绝对百分比误差控制在20%～30%,相对均方根误差控制在30%～40%,相对模式直接预报辐射改进了50%左右。由此可见,通过对模式输出进行解释应用,可以有效提高辐射预报的准确率。此外,客观分析所得的气温、云量、露点、比湿、相对湿度、地面气压等13个模式输出因子可以作为各地区建立MOS辐射预报方程的参考因子。(本文来源于《大气科学学报》期刊2011年03期）
魏磊,潘华盛,郑红[4]（2011）在《模式结果输出与统计方法结合预报黑龙江省2010～2050年降水变化》一文中研究指出使用近10 a降水资料,对Cccma、Ccsr、Gfdl、Csiro和Hadley海-气数值模式,模拟结果与实况进行气候态比较与u检验。结果表明:采用其中相对较好的4个模式模拟输出的降尺度结果,作为因子构建多元回归方程,进行降水气候预报。2010~2050年气候预报结果:未来40 a累计降水量较常年在减少,其中2010~2019年降水较常年稍多一些;2020~2029年偏少较多一些,有干旱发生;其它时段降水无明显变化。(本文来源于《黑龙江大学工程学报》期刊2011年02期）
曾晓青[5]（2010）在《模式输出统计技术在局地中短期天气预报中的研究与应用》一文中研究指出局地天气预报一直是天气工作者最为关注的问题,由于全球预报模式的分辨率较低,近地面边界层的物理过程,以及受下垫面影响的动力过程和热力过程在局地尺度的模拟及预报效果并不理想,使得全球预报模式对地面气象要素的预报准确性不能达到令人满意的效果。因此,为了得到更为准确的局地天气预报结果,需要对全球预报模式输出结果进行降尺度。统计-动力相结合的降尺度释用技术(即模式输出统计技术)不仅能弥补动力降尺度法的不足,而且它计算量小、易于操作,很适合基层气象台站的推广使用。它已成为很多发达国家现代天气预报业务的重要工具,特别是在数值模式的后处理中已成为不可缺少的一部分。本文在前人研究工作基础之上,根据实际需要,从科研和实际应用两个方面全面探索和研究模式输出统计中存在的一些问题并针对这些问题给出一套完整的解决方案。全文以模式输出统计(MOS)技术的理念为核心,紧紧围绕这一中心思想,针对模式输出统计中的预报因子选择问题,预报模型建立问题,进行了深入的研究和试验,取得了很多令人鼓舞的结果。文中试验选取青海省内25个气象站和环渤海地区23个气象站作为研究站点,以2003年1月1日—2009年12月31日的国家气象中心T213L31全球中期数值预报模式逐日输出产品以及上述气象站点的地面观测资料作为试验资料,以最高温度、最低温度和降水叁个人们最关心的要素作为试验对象。本文利用相关系数和逐步回归方法进行统计降尺度的因子选择,因子选择的试验表明：预备因子数虽然从总体水平上对最终的命中率不太敏感,但对于个别站点而言,不同的预备因子数会对预报结果的好坏产生一定的影响;通过对F值的试验可以看出,基本上所有台站预报结果的命中率不受F值的影响,但F值不易过小,因为F值太小会造成预报结果的不太稳定。对于加入历史实况作为因子的试验来说,其冬季的预报效果,特别是短期(24,48小时)的预报效果得到了明显的改善,而对于夏季,其效果就不明显。在以温度为代表的连续要素建模中,本文重点对神经网络进行了深入的研究,结果表明：神经网络的随机权重初始场的权重值,如果服从高斯分布将能使神经网络能更好的向最优解靠近,采用多次初始化初始权重的方法和动态隐层神经元数的方法能让神经网络更好的逼近真实值。通过对环渤海地区冬季最低温度和夏季最高温度的预报试验发现,神经网络与多元回归方法的预报效果平分秋色；在冬季和夏季的部分预报时效中BP-神经网络比逐步回归的评分有一定的提高,有些时效的预报效果并不如逐步回归好。这说明网络在某些时效中的泛化能力不强,还需要进行更多的研究。降水预报方面,改进的k-NN方法在一定程度上克服了数值预报空报偏多的现象,改善了降水预报效果。以验证样本和训练样本的TS评分为目标规则的神经网络(神经网络2)训练得到的最优权重模型,比单纯以训练样本的TS评分为目标的神经网络(神经网络3)得到的最优权重模型的泛化能力要强。神经网络2的预报结果整体要比神经网络3预报效果好,神经网络3在部分站点甚至不能很好的做出预报,当然在个别站点的个别时效神经网络3的预报效果也会比神经网络2的预报效果要好,但整体上神经网络3存在不稳定和泛化能力不足的问题。k-NN方法的预报效果却比较稳定,结果也不逊色。虽然神经网络2预报的结果虽比k-NN方法的预报效果好,但是神经网络2的训练时间确是k-NN方法的训练时间的几百倍。这两种方法各有优缺点,所以在业务运行中,应同时使用这两种方法,取长补短。研究的目的是为了服务于实际业务需要,本文以我们自主研发的青海省中短期数值预报释用系统和葫芦岛中期数值预报释用系统为例,从应用方面全面介绍两个系统的预报系统框架搭建问题和两套系统的优缺点。青海省中短期数值预报释用系统是我们的第一套自主研发的数值预报释用系统。该系统已在青海气象局气象台投入业务使用,其短期预报工作者对该系统24小时的温度预报给出了较高评价,认为有较高的准确率,为贵单位提高温度预报质量做出了贡献。而葫芦岛中期数值预报释用系统可以说是对青海省中短期数值预报释用系统的一次全方位的升级,它吸取了青海省中短期数值预报释用系统中的先进的理念和技术,总结了青海省中短期数值预报释用系统在实际业务中出现的问题,重新设计了整个系统的框架,使得整个系统能更好的适应科研和业务多方面的需求。(本文来源于《兰州大学》期刊2010-05-01）
郁文琰,赵鸣,许丽人[6]（2003）在《用中尺度模式输出污染气象的拉格朗日湍流统计量》一文中研究指出大气对污染物的稀释和扩散能力随气象条件的改变而发生巨大的变化,而各种湍流特征参数能反映出大气对污染物的扩散能力,因而计算这些参数对污染物浓度的预报有很大的帮助.以往,各种湍流特征参数都是通过局地测量获得的,而要获得较大尺度的扩散背景场,单靠单点测量是做不到的.试图利用MM5模式中的中尺度模式输出量来计算一些湍流特征参数,这些参数可以代表网格上的平均值.选择了MM5中的Mellor＿Yamadalevel2.5的边界层参数化方案,用输出的q2(湍流动能的两倍),再通过解一个代数方程组,求得另外的各种二阶湍流矩量u2、v2、w2.然后利用这些二阶矩量来计算拉格朗日积分时间尺度、自相关系数,尝试用中尺度模式来输出这些量.经计算结果的分析表明,模式输出的这些拉格朗日湍流统计量是合理的,因而利用这种方法来计算拉格朗日湍流统计量是可行的,进一步,这种方法可应用于空气污染扩散的预报中.(本文来源于《南京大学学报(自然科学版)》期刊2003年03期）
雷倩睿,刘守义[7]（2002）在《在B/S模式下利用JSP+JDBC技术实现数据查询统计图的生成与输出》一文中研究指出本文主要介绍了JSP、JDBC和B/S体系结构技术,对利用以这叁种技术为核心的实例开发作了深入研究。利用这些技术开发的实例具有跨平台、跨网络、易于扩展、易于维护等优点,体现了这些技术的先进性和实用性。通过实例也说明利用这些技术非常适合开发和构建具有高度灵活性和可靠性的多层体系结构的企业应用系统。(本文来源于《计算机时代》期刊2002年11期）
肖海平,王峰云,石步鸠[8]（2002）在《国外航空气象中模式输出产品的统计处理方法简介》一文中研究指出预报模式的改进、观测资料的不断增加以及对这些资料的更有效利用 ,使得数值天气预报的精度稳步提高。这些改进对航空气象预报的影响是多方面的 ,如改进了高空风的预报以及积冰、颠簸等危及航空安全的危险天气的预报。但是 ,在数值天气预报产品的业务应用中 ,统计方法(本文来源于《广东气象》期刊2002年01期）
胡基福,郭可彩,鄢利农[9]（1996）在《应用模式输出统计作海雾出现判别预报》一文中研究指出应用模式输出统计的逐步判别方法，对山东南部沿海４～７月海雾出现作２４ｈ的判别预报。候选预报因子包括：日本数值预报传真图、近岸台站的观测、经验设计因子及其一些组合因子。对１９９３年４～７月独立资料，进行试报检验，结果表明，预报准确率达７７％(本文来源于《青岛海洋大学学报》期刊1996年04期）
程红,李永革,张斌,孙霞,刘亢丁[10]（1991）在《急性脑血管病的气象模式输出统计预报的研究(ACVD—MOS预报)》一文中研究指出本文探讨了根据1986年1月1日至1989年12月30日长春市22258人的急性脑血管监测档案选取的213例急性脑血管病例,采用前瞻性研究,利用美国国家天气局技术发展试验室1969年推出的模式输出统计(MOS)方法,在聚类分析、高斯选代逐步回归等统计方法的基础上,建立起交叉学科的综合的 MOS 预报方程。经试验研究这样的方程是成立的,且具有较明显的气象生理意义。事实证明如果在天气预报的同时能提供脑血管病的危险气象因素预报,对预防急性脑血管病的发生是有着相当积极的意义的,这也是该工作的最终目的。(本文来源于《中风与神经疾病杂志》期刊1991年01期）
模式输出统计论文开题报告
（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：
由于能源的短缺及环境污染的日益严重,可再生能源在世界能源结构中的比例急剧增加,其中风能被认为是当前世界上最有发展前景的新能源之一。近十几年来随着中国风力发电的快速发展,如何准确预报风速,如何解决风电并网和运行等成为风电研究中的重点和难点。针对基于数值天气预报的风速预报模式,研究提高风速预报精度和可靠性的算法具有重要的学术价值和工程实用价值。本文利用实测数据对内蒙古某风电厂区域的风速特征进行了分析,并使用WRF模式对该电厂的风速进行了模拟并分析了其误差的特征,在此基础上提出了持续法和基于时间序列的超短期风速的订正预报方法——AR模型以及短期风速订正预报方法——NEW AR模型,并对订正结果进行了分析。其次,将所提出的叁种模型应用于实际预报系统(北京快速循环更新系统,BJ-RUC)中进行了适用性检验,同时为了更好地满足业务要求,在已提出方法的基础上进行了探讨性改进,得到如下结论：1、基于风电厂区域的风速分析,得到该区域的风速分布特征为：风速时间分布特征明显,风速的日变化特征显着,白天风速大夜间风速小且存在一定的季节性；月平均风速变化明显,冬春季风速大且波动明显,秋夏季风速较小且波动相对较弱；风速整体呈正偏态分布。2、基于WRF模式模拟误差的分析,得到其模拟误差的相关特征有：各月的平均绝对误差(MAE)基本都在2m/s以上,均方根误差(RMSE)在3m/s左右,且其模拟风速的变化趋势与实际情况也存在一定的差异。模拟误差具有一定的时间分布特征且呈正态分布。通过对模拟误差的自相关系数分析发现,临近时次的自相关关系呈现出高度相关的特征,随着后延时间的增长,这种线性相关的关系则逐渐减弱。3、基于WRF模式的误差特性,建立了自回归模型(AR模型)和持续法进行超短期风速的统计订正预报,预报结果表明该方法可以有效地提高WRF模式的模拟精度,其预报风速与实测风速非常一致,且MAE和RMSE减小了约50%,为超短期风速的预报提供了依据。在AR模型基础上,提出了一种多时效的预报方法—-NEW AR模型,其预报风速在前6小时相较于WRF模拟风速更接近于实测值,且MAE和RMSE减小了约30%,但是6小时后的改善效果并不理想,故延长长度存在一定的限制。4、将所建立的模型应用于BJ-RUC中,发现持续法与AR模型改善效果同样显着,NEWAR模型在6小时内的预报风速相较于BJ-RUC的预报值更接近实测风速值,其MAE和RMSE在大多数月份减小了约30%,故认为NEW AR模型可进行6小时的订正预报。为了能进一步提高NEW AR模型的订正时效,对其进行了探讨性改进。
（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。
模式输出统计论文参考文献
[1].赵文婧,李文才,赵中军,尚可政,王式功.基于模式输出统计预报方法的云量精细化预报[J].兰州大学学报(自然科学版).2016
[2].余江.适用于风能预报的模式输出统计预报方法研究[D].南京信息工程大学.2014
[3].白永清,陈正洪,王明欢,成驰.基于WRF模式输出统计的逐时太阳总辐射预报初探[J].大气科学学报.2011
[4].魏磊,潘华盛,郑红.模式结果输出与统计方法结合预报黑龙江省2010～2050年降水变化[J].黑龙江大学工程学报.2011
[5].曾晓青.模式输出统计技术在局地中短期天气预报中的研究与应用[D].兰州大学.2010
[6].郁文琰,赵鸣,许丽人.用中尺度模式输出污染气象的拉格朗日湍流统计量[J].南京大学学报(自然科学版).2003
[7].雷倩睿,刘守义.在B/S模式下利用JSP+JDBC技术实现数据查询统计图的生成与输出[J].计算机时代.2002
[8].肖海平,王峰云,石步鸠.国外航空气象中模式输出产品的统计处理方法简介[J].广东气象.2002
[9].胡基福,郭可彩,鄢利农.应用模式输出统计作海雾出现判别预报[J].青岛海洋大学学报.1996
[10].程红,李永革,张斌,孙霞,刘亢丁.急性脑血管病的气象模式输出统计预报的研究(ACVD—MOS预报)[J].中风与神经疾病杂志.1991
标签：T639数值预报产品; 模式输出统计预报方法; 云量; 预报;