Markov链在南京市夏季云量预报中的应用
马尔科夫链(Markov chains)是一种预测方法,表示系统内某一时间各种状态之间的转移概率是基于当前状态的而与其他因素无关,然后可利用这一转移概率来推测未来状态的分布情况.本文将利用马尔科夫链对南京市云量状态进行探究,通过对南京市从2010-2014年每年6-8月的天气历史数据进行马尔科夫链分析，得到了以下结论：(l)马尔科夫链是一种重要的离散随机过程，简单说来就是用一个事件当前状态预测其后续发展的可能。当已知“现在”时刻过程的状态，便可用来预测过程“将来”的情况，而过程“将来”的情况与“过去”的情况是无关的。通过研究马尔科夫链，可观察后面的发展状况，利用初始分布和一步转移概率就可以完全确定马尔科夫链的统计规律。(2)经过分析全部数据的转移概率矩阵以及6-8每月的转移概率矩阵的纵行数据变化趋势，可以知道当前云量状况对间隔3小时和6小时以后的云量影响很大；对间隔12小时以后的云量影响还比较大：对间隔24小时以后的云量影响不是很明显但还有一定影响；当间隔48小时以后，影响已经很微小；而到达72小时以后，基本上和极限分布相差无几了。(3)从6-8月92天云量状况的稳定分布可以看出，满云和接近满云的有50天，超过了一半的天数，无云天数的有13天，也占一定比例；从6-8月每月云量状况的稳定分布可以看出，满云和接近满云的天数超过了半个月，6月和8月也有5天左右的无云天气。云量分布集中在两种极端状态，而这恰好与南京夏季高温多雨的天气现象相吻合。
云量预报 变化规律 马尔科夫链
胡一帆 胡友彬 史纬恒
解放军理工大学气象学院,南京,211100
国内会议
天津
中文
1-11
2015-10-01（万方平台首次上网日期，不代表论文的发表时间）