文中選取CMA和JMA兩個(gè)中心的降水預(yù)報(bào)模式數(shù)據(jù),結(jié)合盤錦地區(qū)降水實(shí)際狀況,采用最小二乘集成以及加權(quán)平均集成方法對(duì)多模式的降水集成預(yù)報(bào)進(jìn)行應(yīng)用與檢驗(yàn)。研究結(jié)果表明:多模式降水集成預(yù)報(bào)比單一模式預(yù)報(bào)誤差明顯減少;最小二乘集成在6～12 h內(nèi)降水誤差高于加權(quán)集成誤差,但在12～24 h以內(nèi)誤差低于加權(quán)集成;在中小雨量級(jí)預(yù)報(bào)下,加權(quán)集成誤差較小,而在大雨量級(jí)預(yù)報(bào)下,最小二乘集成誤差相對(duì)較小。 

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
0 引言
1 降雨集成預(yù)報(bào)信息精度評(píng)價(jià)方法
2 應(yīng)用及檢驗(yàn)結(jié)果
    2.1 研究區(qū)域概況
    2.2 降雨預(yù)報(bào)誤差檢驗(yàn)及實(shí)際降雨概率分布
3 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]考慮成災(zāi)數(shù)據(jù)集合信息的山洪預(yù)警與降雨預(yù)報(bào)耦合修訂方法研究[J]. 郭小川.  水利規(guī)劃與設(shè)計(jì). 2019(05)
[2]神經(jīng)網(wǎng)絡(luò)模型在降雨中長(zhǎng)期預(yù)報(bào)中的應(yīng)用比較[J]. 霍麗峰.  水利技術(shù)監(jiān)督. 2019(01)
[3]GFS集合降雨預(yù)報(bào)的校正后處理研究[J]. 胡義明,梁忠民,蔣曉蕾,王軍,李彬權(quán).  南水北調(diào)與水利科技. 2019(01)
[4]集合降雨預(yù)報(bào)在柬埔寨區(qū)域的應(yīng)用研究[J]. 李立平,徐長(zhǎng)江,郭海晉,王含,汪青靜.  人民長(zhǎng)江. 2018(22)
[5]基于SCE-UA算法的多模式降雨集成預(yù)報(bào)技術(shù)研究[J]. 鐘偉,朱從飛,張衛(wèi)國(guó),黃峰.  寧波大學(xué)學(xué)報(bào)(理工版). 2018(06)
[6]基于ARMA模型的丹東市降雨時(shí)間序列分析[J]. 金冶.  水利規(guī)劃與設(shè)計(jì). 2017(05)
[7]降雨預(yù)報(bào)信息在水庫(kù)調(diào)度中應(yīng)用的可行性研究[J]. 王長(zhǎng)海.  水利技術(shù)監(jiān)督. 2007(02)

碩士論文
[1]基于多模式的降水量統(tǒng)計(jì)降尺度預(yù)報(bào)研究[D]. 王海霞.南京信息工程大學(xué) 2014
[2]分布式陸氣耦合模型在洪水預(yù)報(bào)中的應(yīng)用研究[D]. 彭艷.華中科技大學(xué) 2013



本文編號(hào)：3646395