作者：王建群; 段蓉; 蔡晨凯tigge降水预报评估集合预报方法人工神经网络支持向量回归消除偏差集合平均法史河流域
摘要：为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究。基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式2015—2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和在确报率、空报率和漏报率评价指标基础上提出的降水预报三率综合评价指标,对各模式在1~7 d预见期内的预报精度进行综合评价,采用2种非线性方法RBF及ν-SVR对TIGGE的5个降水预报模式进行非线性集合预报校正,并与线性方法BREM法进行了比较。结果表明:TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF和UKMO,实时降水预报校正ν-SVR法明显优于BREM法和RBF法;实时降水预报校正ν-SVR法提高了TIGGE模式降水预报的精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《河海大学学报·哲学社会科学版》（CN：32-1521/C）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《河海大学学报·哲学社会科学版》为人文社科类学术期刊，主要刊登哲学、政治学、文学、法学、社会学、经济学、管理学等人文社会科学方面的学术论文、研究成果、综述等学术性文章。本刊关注传统学科、基础理论研究，特别注重应用学科、边缘学科、新兴学科以及各学科之间的交叉渗透和综合研究。
杂志详情
