基于KNN方法的降水概率预报技术及应用
本文运用K邻近非参数回归技术制作降水概率预报，在最优邻近子集生成等关键环节运用了排序法、逐步逼近法和聚类分析等方法。采用“降水距离”概念变换J姒降水预报因子，构造EC湿度场预报因子，提高了预报初预选因子的质量。利用2005年4月至2008年11月的资料，建立了逐日动态更新样本库的降水概率预报业务系统，在一年的预报业务试验中取得了较好的效果，预报结果无明显的偏向性，布瑞尔评分为0.217，技巧评分为12.1。从预报的分布形态来看，为中间多、两端少的正态型分布。总体来说，本文的概率预报技术有较好的应用前景，而预报水平可以进一步的提高。
降水概率预报 KNN方法 最优邻近子集 聚类分析 逐步逼近法
俞剑蔚 陈玉石 韩桂荣 刘梅
江苏气象台,南京 210008 江苏省气象科学研究所,南京 210008
国内会议
江苏南通
中文
37-42
2009-09-01（万方平台首次上网日期，不代表论文的发表时间）