<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>
    1. <address id="n0hly"></address>
      1. 加急見(jiàn)刊

        基于支持向量機的雷暴大風(fēng)識別方法

        楊璐; 韓豐; 陳明軒; 孟金平 中國氣象局北京城市氣象研究所; 北京100089; 國家氣象中心; 北京100081; 北京市氣象局; 北京100089

        摘要:基于北京市觀(guān)象臺雷達基數據和加密自動(dòng)氣象站數據,利用支持向量機算法建立了雷暴大風(fēng)天氣的有效識別模型。首先確立了9個(gè)用于識別雷暴大風(fēng)的預報因子:回波頂高、最大反射率因子、最大反射率因子所在高度、垂直積分液態(tài)水含量、垂直積分液態(tài)水含世隨時(shí)間變率、垂直積分液態(tài)水含量密度、雷暴大風(fēng)發(fā)生前最大反射率因子下降高度、風(fēng)暴移動(dòng)速度、速度譜寬。通過(guò)計算各預報因子在大風(fēng)和非大風(fēng)樣本中的概率分布,得到對應的各項預報因子雷暴大風(fēng)的隸屬度,利用得到的隸屬度函數對樣本進(jìn)行歸一化處理。確立核函數和模型參數,利用支持向量機建立雷暴大風(fēng)天氣的提前識別和臨近預警模型。通過(guò)對北京2017年7月7日颮線(xiàn)和2012年5月19日塊狀回波引起的災害大風(fēng)典型個(gè)例的識別效果檢驗·得到兩個(gè)個(gè)例預測的命中率、誤判率和臨界成功指數分別為92. 0%,22. 1%.73.0%和99. 1%.40. 5%.59. 2%,對于提高雷暴大風(fēng)預警預報的準確率有一定幫助。

        注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系應用氣象學(xué)報雜志社

        亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看
        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>

          <small id="n0hly"><progress id="n0hly"></progress></small>
        1. <address id="n0hly"></address>