作者:吴彬贵; 张建春; 李英华; 王亚男; 徐梅; ...雾低能见度人工神经网络数值释用分步筛选法天津港
摘要:本文利用近5年(2009—2013年)天津港资料,分析了该地区大气能见度的分级特征。采用7年秋、冬季NCEP(2006—2012年)和地面资料,通过相关分析给出了对港口低能见度天气有高影响的高、低空物理量因子;排除沙尘和降水天气,针对不同区间的能见度样本,利用BP神经网络方法分类训练了3个统计模型;并与WRF天气模式产品对接,采用分步筛选法,研发了天津港秋、冬季72 h时效的逐时能见度BP释用预报产品。经过3年业务运行,检验结果表明:对逐时能见度而言,BP释用预报对10 km以下低能见度比WRF模式的预报技巧显著提高,达到10.5%-35.4%;其中对〈0.5 km大雾的预报技巧总体相当,但当WRF预报有降水时,WRF模式预报结果略优;对0.5-1 km的大雾预报,WRF模式的预报技巧〈1%,BP释用预报提高到了14%-21%。日最低能见度的检验表明:对小于1 km的大雾过程,BP释用预报的TS评分平均达到75%,比WRF预报技巧提高了24%;对1-10 km的低能见度过程,比WRF的预报技巧平均提高了60%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社