安徽高温灾害风险区划推广应用-滁州气象.DOCVIP

滁州市短期温度、降水多模式集成预报 一、项目简介 主要完成人：胡姗姗 宋佑之 刘倪 雄世为 闫福春 王俊 沈安云 郁凌华 熊敏 项目完成单位：滁州市气象局 安徽省气象台 研究起止时间：2015年12月—2017年3月 滁州市科技计划项目社会发展类“滁州市短期温度、降水多模式集成预报”（201517）。2017年3月3日通过滁州市科技局验收。 二、主要成果 滁州市短期温度、降水多模式集成预报通过分析JMA、T639、EC三种细网格数值预报产品对于滁州温度、降水的预报性能，建立并评估了动态权重集成、BP神经网络、多元线性回归、历史集成四种集成预报模型，研发了滁州市短期温度降水多模式集成预报平台，实时生成各模式下降水、温度集成预报站点图，为预报制作提供稳定、准确的参考，提升了滁州市短期温度、降水预报准确率。 1．建立基于TS评分的多模式动态权重和历史集成模型。对EC、JMA、T639三种细网格产品采用TS评分方法来判定三种模式各成员在预报因子中所占权重，降水对于滁州地区七个站点按照一般性降水和暴雨两类进行评分。更注重各预测模型近期的预报效果。对不同初始场预报赋予指数形式动态权重，离起报时刻不同的初始场的预报技巧越高取的权重越大。 2．多元线性回归集成模型。对于EC、JMA、T639三种细网格预报模式的结果看成是回归分析中3个因子，对于预报量进行多元线性回归分析，得到滁州七个站点各时效回归集成模型。从相关性上来看，降水预报中EC预报模式的相关性最好，温度预报中三种模式都与实况相关性很高，且系数Sig显示线性回归模型建模成功。 3. 神经网络非线性集成模型。利用人工神经网络对EC、JMA及T639三家细网格数值预报的地面温度、降水产品集成，温度利用均方根误差来评价集成效果，从检验效果来看，经过人工神经网络集成之后，预报效果有较明显提高。 4. 短期温度降水多模式集成平台。为更好将集成预报应用于实际业务，方便预报员使用查看，项目组以Visual Studio 2008 和 Visual C++ 6.0平台，同时嵌入Surfer8.0和MSChart，连接台站下发的EC、JMA和T639温度、降水预报资料，利用项目模型结果，建立了集成模式的温度、降水集成预报平台。 本项目发表技术论文1篇： 《短期温度降水多模式集成预报》，参加了第六届“淮河流域暴雨 洪水学术交流研讨会”交流，并刊登在论文集上。 验收专家名单