简介:支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效。利用2004~2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型。预报试验结果表明:南京地区霾日的SVM分类预报结果,Ts(Threatscores)评分均在0.4以上;而有霾日14时能见度的SVM回归预报结果,按能见度误差范围为±3km算,准确率均达到了86%以上;加入当天08时新资料的订正预报模型,其预报结果优于起始预报模型。二者的预报结果较为满意,可以给实际业务预测提供参考。
简介:梅汛期(6月1日~7月10日)是我市大到暴雨的集中时段,往往引起严重的洪涝灾害。研究指出:切变线在梅汛期是造成我省暴雨的主要天气系统。据我们统计,切变线(涡切、暖切、冷切)亦是造成我区梅汛期大到暴雨的主要天气系统。切变线北侧的冷性高压和南侧的副热带高压的辐合往往引起动力性和热力性不稳定,而500hPa的华西槽东移又促使垂直运动的发展,如700hPa、850hPa配合有低涡东传并配有西南急流,则中低层辐合进一步加强,并有利于水汽源源不断地输送。这些都是形或我区大到暴雨的必要条件。县站用物理意义明确的总温度和气团参数等作判别指标,使大到暴雨落区更具体,这样二者结合是提高大到暴雨预报能力较理想的方法。