雨量预报方法
数学建模C题论文
191])()([),(20200y y x x r z y x z -+--=c y b x a y x y x z +⋅+⋅++=22),(4753⨯41i D i D 20.000160.001162021421339915152112032534791410.1 6660.1 2.5 2.666.11212.12525.16060.1/mcm05/probX 53⨯47Y 53⨯47k n m Z ⨯53⨯47 k n m Z ⨯~53⨯47i n m k H ⨯m m n k n 21n +120i n m k S ⨯i D126 18319719141164512X Y⎪⎪⎪⎭⎫ ⎝⎛=⨯⨯⨯⨯⨯⨯47532531534712111..................x x x x x x X ⎪⎪⎪⎭⎫⎝⎛⨯⨯⨯⨯⨯⨯47532531534712111..................y y y y y y),(y x Z =mnk ⎪⎪⎪⎭⎫⎝⎛⨯⨯⨯⨯⨯⨯⨯⨯⨯⨯⨯⨯),(...),,(),,(............),(...),,(),,(4753475325325315315347147121211111y x f y x f y x f y x f y x f y x f ⎪⎪⎪⎭⎫⎝⎛⨯⨯⨯⨯⨯⨯47532531534712111..................Z Z Z Z Z Z 1=imnk Z ~⎪⎪⎪⎪⎭⎫ ⎝⎛⨯⨯⨯⨯⨯⨯47532531534712111~...~~............~...~~Z Z Z Z Z Z i imnkH ∆mnk Z i mnk Z ~⎪⎪⎪⎭⎫⎝⎛⨯⨯⨯⨯⨯⨯ii i i i i h h h h h h 47532531534712111............... (2)i mnkS∆∑∑=⨯=⨯4712531)(47531j i ji i hi D ∆∑=16411641i mnk S 4i i imnk H 5347imnk S mnk H i D 41 2),(y x Z = ),(y x Z =i D nk m ⨯ i mnk H mnk Z i mnk Z ~1~mnk Z 2~mnk Z 1mnk H 2mnk H imnkS∆∑∑=⨯=⨯4712531)(47531j ij i i h1mnk S 2mnk S⑤ 用i D ∆∑=16411641i mnk S 计算出1D 与2D ，则1D 和2D 的值较小者为最优方案.3 主要程序及结论通过数据处理与分析我们认为预测方法一比预测方法二好.所得计算结果值分别为：（1）不同时段的两种方法的实测与预测值的均方差：1mnkS =[0.9247218269e-1, .165797962696, 0.9247218269e-1,0.9247218269e-1, .2586806182, .2586806182, .2586806182, 2.791713932, .2474029514, .2539943168, .2715902174, .2715902174182, .2586806182, 2.791713932, .2474029514, .2539943168, .2715902174]2mnkS := [0.921412432e-1, .1098068392, 0.2234955063e-1,0.1592933205e-1, .2851304286, .2851304286, .2851304286, 2.792910527, .2612701098, .2381007694, .2613774987, 0.5183032655e-1,.2851304286,2.792810527, .2612701098, .2381007694, .2613774987] （2） 方法一的均方差为：1D := .8311398371方案二的均方差： 2D = .8417760978得1D <2D .主要程序与运行结果为： （1） 局域曲面拟合程序> solve({0.3=0.6-r*(0.045^2+0.042^2)},{r});> z1:=0.6-79.17656374*[(x-120.2500)^2+(y-33.7667)^2];> z2:=0.6-79.17656374*[(x-120.2500)^2+(y-33.7667)^2];> z3:=0.6-79.17656374*[(x-120.2500)^2+(y-33.7667)^2];> z4:=0.6-79.17656374*[(x-120.2500)^2+(y-33.7667)^2];> solve({0.15=0.3-r*(0.045^2+0.042^2)},{r});> z4:=0.3-39.58828187*[(x-118.1833)^2+(y-31.0833)^2];> solve({5.1=10.2-r*(0.045^2+0.042^2)},{r});> z1:=10.2-1346.001584*[(x-120.3167)^2+(y-31.5833)^2];> z2:=10.2-1346.001584*[(x-120.3167)^2+(y-31.5833)^2];> z3:=10.2-1346.001584*[(x-120.3167)^2+(y-31.5833)^2];> z4:=10.2-1346.001584*[(x-120.3167)^2+(y-31.5833)^2];> solve({0.1=0.2-r*(0.045^2+0.042^2)},{r});> z4:=0.2-26.39218791*[(x-118.4000)^2+(y-30.6833)^2];>z4:=solve({118.9833^2+30.6167^2+a*118.9833+b*30.6167+c=0.7000,118.5833^ 2+30.0833^2+a*118.5833+b*30.0833+c=1.8000,119.4167^2+30.8833^2+a*119.41 67+b*30.8833+c=0.5});> solve({0.05=0.1-r*(0.045^2+0.042^2)},{r});> z1:=0.1-13.19609396*[(x-119.4167)^2+(y-30.8833)^2];>> solve({2.9=5.8-r*(0.045^2+0.042^2)},{r});> z4:=0.1-765.3734495*[(x-118.2833)^2+(y-29.7167)^2];（2）均方差求值程序：>sq1:=[0.09247218269,0.165797962696,0.09247218269,0.09247218269,0.258680 6182,0.2586806182,0.2586806182,2.791713932,0.2474029514,0.2539943168,0. 2715902174,0.2715902174182,0.2586806182,2.791713932,0.2474029514,0.2539 943168,0.2715902174];> sum1:=add(i,i=sq1);> ave1:=sum1/17;>ve1:=[.5222900020,.5222900020,.5222900020,.5222900020,.5222900020,.5222 900020,.5222900020,.5222900020,.5222900020,.5222900020,.5222900020,.522 2900020,.5222900020,.5222900020,.5222900020,.5222900020,.5222900020,.52 22900020];>sq2:=[0.0921412432,0.1098068392,0.022********,0.01592933205,0.285130428 6,0.2851304286,0.2851304286,2.792910527,0.2612701098,0.2381007694,0.261 3774987,0.0518*******,0.2851304286,2.792810527,0.2612701098,0.238100769 4,0.2613774987];（2）数据模拟图程序：> with(linalg):> l:=matrix(91,7,[58138,32.9833,118.5167, 0.0000, 5.0000, 0.2000, 0.0000, 58139, 33.3000,118.8500, 0.0000, 3.9000, 0.0000, 0.0000,58141, 33.6667,119.2667, 0.0000, 0.0000, 0.0000, 0.0000,58143, 33.8000,119.8000, 0.0000, 0.0000, 0.0000, 0.0000,58146, 33.4833,119.8167, 0.0000, 0.0000, 0.0000, 0.0000,58147, 33.0333,119.0333, 0.0000, 6.0000, 1.4000, 0.0000,58148, 33.2333,119.3000, 0.0000, 1.1000, 0.3000, 0.0000,58150, 33.7667,120.2500, 0.0000, 0.0000, 0.0000, 0.1000,58154, 33.3833,120.1500, 0.0000, 0.0000, 0.0000, 0.0000,58158, 33.2000,120.4833, 0.0000, 0.0000, 0.0000, 0.0000,58230, 32.1000,118.2667, 3.3000,20.7000, 6.6000, 0.0000,58236, 32.3000,118.3000, 0.0000, 8.2000, 3.6000, 1.4000,58238, 32.0000,118.8000, 0.0000, 0.0000, 0.0000, 0.0000,58240, 32.6833,119.0167, 0.0000, 3.0000, 1.4000, 0.0000,58241, 32.8000,119.4500, 0.1000, 1.4000, 1.5000, 0.1000,58243, 32.9333,119.8333, 0.0000, 0.7000, 0.4000, 0.0000,58245, 32.4167,119.4167, 0.3000, 2.7000, 3.8000, 0.0000,58246, 32.3333,119.9333, 7.9000, 2.7000, 0.1000, 0.0000,58249, 32.2000,120.0000,12.3000, 2.4000, 5.6000, 0.0000,58251, 32.8667,120.3167, 5.2000, 0.1000, 0.0000, 0.0000, 58252, 32.1833,119.4667, 0.4000, 3.2000, 4.8000, 0.0000, 58254, 32.5333,120.4500, 0.0000, 0.0000, 0.0000, 0.0000, 58255, 32.3833,120.5667, 1.1000,18.5000, 0.5000, 0.0000, 58264, 32.3333,121.1833,35.4000, 0.1000, 0.2000, 0.0000, 58265, 32.0667,121.6000, 0.0000, 0.0000, 0.0000, 0.0000, 58269, 31.8000,121.6667,31.3000, 0.7000, 2.8000, 0.1000, 58333, 31.9500,118.8500, 8.2000, 8.5000,16.9000, 0.1000, 58334, 31.3333,118.3833, 4.9000,58.1000, 9.0000, 0.1000, 58335, 31.5667,118.5000, 5.4000,26.0000,11.0000, 0.8000, 58336, 31.7000,118.5167, 3.6000,27.8000,15.3000, 0.6000, 58337, 31.0833,118.1833, 7.0000, 6.4000,15.3000, 0.2000, 58341, 31.9833,119.5833,11.5000, 5.4000,16.1000, 0.0000, 58342, 31.7500,119.5500,32.6000,37.9000, 5.8000, 0.0000, 58343, 31.7667,119.9333,20.7000,24.3000, 5.3000, 0.0000, 58344, 31.9500,119.1667,12.4000, 5.9000,16.3000, 0.0000, 58345, 31.4333,119.4833,21.8000,18.1000, 9.8000, 0.1000, 58346, 31.3667,119.8167, 0.1000,12.7000, 5.1000, 0.2000, 58349, 31.2667,120.6333, 1.1000, 5.1000, 0.0000, 0.0000, 58351, 31.8833,120.2667,22.9000,15.5000, 6.2000, 0.0000, 58352, 31.6500,120.7333,15.1000, 5.4000, 2.4000, 0.0000, 58354, 31.5833,120.3167, 0.1000,12.5000, 2.4000, 0.0000, 58356, 31.4167,120.9500, 5.1000, 4.9000, 0.4000, 0.0000, 58358, 31.0667,120.4333, 2.4000, 3.4000, 0.0000, 0.8000, 58359, 31.1500,120.6333, 1.5000, 3.8000, 0.5000, 0.1000, 58360, 31.9000,121.2000, 5.6000, 3.2000, 2.9000, 0.1000, 58361, 31.1000,121.3667, 3.5000, 0.6000, 0.2000, 0.7000, 58362, 31.4000,121.4833,33.0000, 4.1000, 0.9000, 0.0000, 58365, 31.3667,121.2500,17.7000, 2.2000, 0.1000, 0.0000, 58366, 31.6167,121.4500,75.2000, 0.4000, 1.5000, 0.0000, 58367, 31.2000,121.4333, 7.2000, 2.8000, 0.2000, 0.2000, 58369, 31.0500,121.7833, 3.2000, 0.3000, 0.0000, 0.3000, 58370, 31.2333,121.5333, 7.0000, 3.4000, 0.2000, 0.2000, 58377, 31.4667,121.1000, 7.8000, 7.2000, 0.3000, 0.0000, 58426, 30.3000,118.1333, 0.0000, 0.0000,17.6000, 6.2000, 58431, 30.8500,118.3167, 5.1000, 2.3000,16.5000, 0.1000, 58432, 30.6833,118.4000, 3.6000, 1.4000,20.5000, 0.2000, 58433, 30.9333,118.7500, 2.1000, 3.4000, 8.5000, 0.2000, 58435, 30.3000,118.5333, 0.0000, 0.0000,13.6000, 8.5000, 58436, 30.6167,118.9833, 0.0000, 0.0000, 5.3000, 0.5000, 58438, 30.0833,118.5833, 0.0000, 0.0000,27.6000,21.8000, 58441, 30.8833,119.4167, 0.1000, 1.6000, 1.6000, 1.0000, 58442, 31.1333,119.1833, 3.0000, 8.8000, 5.4000, 0.2000, 58443, 30.9833,119.8833, 0.1000, 2.7000, 0.1000, 0.9000,58446, 30.9667,119.6833, 0.0000, 0.1000, 5.1000, 2.5000, 58448, 30.2333,119.7000, 0.0000, 0.0000,15.1000, 6.9000, 58449, 30.0500,119.9500, 0.0000, 0.0000,23.5000, 8.2000, 58450, 30.8500,120.0833, 0.0000, 0.7000, 0.0000, 4.1000, 58451, 30.8500,120.9000, 0.5000, 0.1000, 0.0000, 3.8000, 58452, 30.7833,120.7333, 0.3000, 0.0000, 0.0000, 3.0000, 58453, 30.0000,120.6333, 0.0000, 0.0000, 0.0000,18.2000, 58454, 30.5333,120.0667, 0.0000, 0.0000, 0.5000, 4.9000, 58455, 30.5167,120.6833, 0.0000, 0.0000, 0.0000, 4.6000, 58456, 30.6333,120.5333, 0.0000, 0.0000, 0.0000, 4.2000, 58457, 30.2333,120.1667, 0.0000, 0.0000, 2.0000,12.6000, 58459, 30.2000,120.3167, 0.0000, 0.0000, 0.0000,15.0000, 58460, 30.8833,121.1667, 1.2000, 0.1000, 0.0000, 2.3000, 58461, 31.1333,121.1167, 4.0000, 1.4000, 0.4000, 0.2000, 58462, 31.0000,121.2500, 2.7000, 0.3000, 0.4000, 1.7000, 58463, 30.9333,121.4833, 1.7000, 0.1000, 0.0000, 0.8000, 58464, 30.6167,121.0833, 0.0000, 0.0000, 0.0000, 3.6000, 58467, 30.2667,121.2167, 0.0000, 0.0000, 0.0000, 1.8000, 58468, 30.0667,121.1500, 0.0000, 0.1000, 5.1000, 2.5000, 58472, 30.7333,122.4500, 0.3000, 0.6000, 0.0000, 4.9000, 58477, 30.0333,122.1000, 0.0000, 0.0000, 0.0000, 0.0000, 58484, 30.2500,122.1833, 0.0000, 0.0000, 0.0000, 0.0000, 58530, 29.8667,118.4333, 0.0000, 0.0000,27.5000,23.6000, 58531, 29.7167,118.2833, 0.0000, 0.0000, 3.7000,11.5000, 58534, 29.7833,118.1833, 0.0000, 0.0000, 9.3000, 6.5000, 58542, 29.8167,119.6833, 0.0000, 0.0000, 0.0000,27.6000, 58550, 29.7000,120.2500, 0.0000, 0.0000, 0.0000, 4.9000, 58562, 29.9667,121.7500, 0.0000, 0.0000, 0.0000, 0.9000]);> lat:=col(l,2);> lon:=col(l,3); > sd1:=col(l,4);> sd2:=col(l,5); > sd3:=col(l,6); > sd4:=col(l,7);> abc1:=seq([lat[i],lon[i],sd1[i]],i=1..91);> abc2:=seq([lat[i],lon[i],sd2[i]],i=1..91);> abc3:=seq([lat[i],lon[i],sd3[i]],i=1..91);> abc4:=seq([lat[i],lon[i],sd4[i]],i=1..91);> with(plots):> pointplot3d([abc1],color=green,axes=boxed);> surfdata([abc1],labels=["x","y","z"],axes=boxed);> with(stats):> with(fit):> with(plots):fx1:=leastsquare[[x,y,z],z=x^3+y^3+a*x^2+b*y^2+c*x*y+d*x+e*y+f,{a,b,c,d ,e,f}]([abc1]);> plot3d(fx1,x=25..35,y=119..135);> pointplot3d([abc2],color=blue,axes=boxed);> surfdata([abc2],labels=["x","y","z"],axes=boxed);>fx2:=leastsquare[[x,y,z],z=x^3+y^3+a*x^2+b*y^2+c*x*y+d*x+e*y+f,{a,b,c,d ,e,f}]([abc2]);> plot3d(fx2,x=25..35,y=119..135);> pointplot3d([abc3],color=red,axes=boxed)> surfdata([abc3],labels=["x","y","z"],axes=boxed);>fx3:=leastsquare[[x,y,z],z=x^3+y^3+a*x^2+b*y^2+c*x*y+d*x+e*y+f,{a,b,c,d ,e,f}]([abc3]);> surfdata([abc4],labels=["x","y","z"],axes=boxed);>fx4:=leastsquare[[x,y,z],z=x^3+y^3+a*x^2+b*y^2+c*x*y+d*x+e*y+f,{a,b,c,d ,e,f}]([abc4]);五.如何在评价方法中考虑公众感受的数学模型建立.1660.1 2.5 2.666.11212.12525.16060.1z } 1.00 {0≤≤=z z R } 5.21.0 {1≤≤=z z R } 66.2 {2≤≤=z z R } 121.6 {3≤≤=z z R } 251.12 {4≤≤=z z R } 601.25 {5≤≤=z z R } 1.60 {6≥=z z R 0ˆR 1ˆR 2ˆR 3ˆR 4ˆR 5ˆR 6ˆR } 1)( {ˆ000R z z z R ∈≤=，μ} 1)( {ˆ111R z z z R ∈≤=，μ} 1)( {ˆ222R z z z R ∈≤=，μ } 1)( {ˆ333R z z z R ∈≤=，μ} 1)( {ˆ444R z z z R ∈≤=，μ} 1)( {ˆ555R z z z R ∈≤=，μ } 1)( {ˆ666R z z z R ∈≤=，μ)(z i μ i 1z ∈i R i R )(z i μ i 16i R ˆ i 1 2)(z i μ i 1⎩⎨⎧≤<+-≤≤=1.006.0 , 5.22506.00, 1)(0z z z z μ)(1z μ] 2369277587.0e [2369277587.0112)3.1(----z 5.21.0≤≤z )(2z μ] 20555762126.0e [20555762126.0112)3.4(----z 66.2≤≤z)(3z μ] 2287787270.0e [2287787270.0119.5)05.9(2----z 121.6≤≤z )(4z μ] 70397557815.0e[70397557815.0119.12)55.18(2----z 251.12≤≤z)(5z μ] 00475951221.0e[00475951221.011100)55.42(2----z 601.25≤≤z)(6z μ2)]5.60(5 [11--+z 1.60≥z 74)(z i μ及iR ˆ i =0，1，…,6合并可得} 0 {≥=z z R 上的模糊集合} , 1)( {ˆR z z z R∈≤=μ.其中R 是论域,)(z μ是模糊集合R ˆ的隶属函数，由)(z i μ分段合)(z μ小雨的隶属函数图特大暴雨隶属函数图大暴雨隶属函数图暴雨隶属函数图⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧>≤<≤<≤<≤<≤<≤≤=60)(6025)(2512)(126)(65.2)(5.21.0)(1.00)()(6543210z z z z z z z z z z z z z z t μμμμμμμμ 5 353⨯47imnkZ ~)(z μ53⨯47=M mnk⎪⎪⎪⎭⎫⎝⎛⨯⨯⨯⨯⨯⨯47532531534712111..................μμμμμμ=M imnk~⎪⎪⎪⎭⎫⎝⎛⨯⨯⨯⨯⨯⨯47532531534712111~...~~............~...~~μμμμμμi ),(y x Z =i mnk ∏∆mnk M =M i mnk~⎪⎪⎪⎪⎭⎫ ⎝⎛⨯⨯⨯⨯⨯⨯i i i i i i 47532531534712111..................λλλλλλ 6imnkΓ∆∑∑=⨯=⨯4712531)(47531j i j i i λ i Ω∆∑=16411641i imnkΓ 8 i 2i i i mnk ∏5347imnk Γi mnk ∏i Ω411Ω2Ω 1Ω2Ω1D 2D19811999。
降雨量预测的简单方法---数学建模论文
摘要首先，本文运用SAS和Excel两种软件工具对两种方法预测到的数据进行定量分析比较，采用绝对误差法让每一天每一个站点每一个时段预测到的数据与相应的实际的数据作差，求绝对值，再加总总的绝对值误差，建立了模型（1），得出了数据预测的方法一比方法二效果较好的结论。
其次，考虑到绝对误差法的局限性，进一步采用相对误差法对模型（1）进行改进，让每一天每一个站点每一个时段预测到的数据与相应的实际的数据作差的绝对值除于相对应的真实时段的数据，建立了模型（2）；由于有些数据为0的缘故，对模型（2）进一步改进得到模型（3），仍然得出方法一优于方法二的结论。
最后，本文对模型进行了评价。
关键词：绝对误差法相对误差法SAS Excel一、问题重述FORECAST中的文件名为<f日期i>_dis1和<f日期i>_dis2，例如f6181_dis1中包含2002年6月18日采用第一种方法预测的第一时段数据（其2491个数据为该时段各网格点的数据），而f6183_dis2中包含2002年6月18日采用第二种方法预测的第三时段数据。
MEASURING中包含了41个名为<日期>.SIX的文件，如020618.SIX表示2002年6月18日晚上21点开始的连续4个时段各站点的实测数据，这些文件的数据格式是：站号纬度经度第1段第2段第3段第4段58138 32.9833 118.5167 0.0000 0.2000 10.1000 3.1000 58139 33.3000 118.8500 0.0000 0.0000 4.6000 7.4000 58141 33.6667 119.2667 0.0000 0.0000 1.1000 1.4000 58143 33.8000 119.8000 0.0000 0.0000 0.0000 1.8000 58146 33.4833 119.8167 0.0000 0.0000 1.5000 1.9000……根据已有的数据用模型判断这两种预测方法的优劣。
降雨量预测方法
降雨量预测方法优劣的评价摘要本文就如何评价降雨量预报方法的优劣建立了相应的数学模型，并且用气象部门提供的数据对两种预报方法进行了比较。
首先用误差作为评价标准，对问题1建立了对两种降雨量预报方法进行比较的数学模型。
在计算误差的时候，为了使取值更具有比较意义，只选择离观测站最近的预测位置的预测值进行计算，通过对误差的计算，建立了数学模型。
用Object Pascal编程求解，得出了如下结论：第一种降雨量的预报方法优于第二种预报方法。
问题2在问题1所建模型的基础上建立另外一个数学模型，该模型巧妙结合公众的满意度来评价预测方法的优劣。
其中，在使用量化的方法对公众的满意程度进行刻划的时候，充分考虑公众的认知心理，使用了柯西分布隶属函数。
同样用Object Pascal编程求解，得出了如下的结论：第一种方法优于第二种方法。
综合问题1和2的结论，第一种方法优于第二种方法。
关键字降雨量预测数学模型误差柯西分布隶属函数1 问题重述雨量预报对农业生产和城市工作和生活都有重要作用，但准确、及时地对雨量作出预报是一个十分困难的问题，我国某地气象台、气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段在某些位置的雨量，这些位置都位于东经120度、北纬32度附近的53×47的等距网格点上。
再设立91个观测站点实测这些时段的实际雨量，站点的设置是不均匀的。
气象部门提供了41天的用两种不同方法的预报数据和相应的实测数据，希望建立一种科学评价预报方法好坏的数学模型与方法，对两种预测方法进行评价。
其中雨量用毫米做单位，小于0.1毫米视为无雨。
(1) 请建立数学模型来评价两种6小时雨量预报方法的准确性；(2) 气象部门将6小时降雨量分为6等：0.1—2.5毫米为小雨，2.6—6毫米为中雨，6.1—12毫米为大雨，12.1—25毫米为暴雨，25.1—60毫米为大暴雨，大于60.1毫米为特大暴雨。
若按此分级向公众预报，如何在评价方法中考虑公众的感受？2 模型假设2.1 观测站所测得的降雨量准确可靠；2.2 地球可以近似地看成一个球体；2.3 降雨量等级的划分符合公众的认识；2.4 气象站预测的数据刚好够描述整个地区的降雨情况；2.5 各个预测位置的预测数据所描述的区域范围是一样的，并且各个观测站测量的区域范围是一样的。
突发性暴雨天气如何进行预报预警
突发性暴雨天气如何进行预报预警在我们的日常生活中，突发性暴雨天气常常不期而至，给人们的出行、生产和生活带来诸多不便，甚至可能造成严重的灾害。
因此，准确及时地进行预报预警对于减轻暴雨带来的损失至关重要。
首先，我们要了解什么是突发性暴雨。
它通常指的是在较短时间内，降雨量迅速增大，且往往超出了常规的气象预测范围。
这种暴雨具有很强的局地性和突发性，难以准确预测其发生的时间、地点和强度。
那么，如何对这种难以捉摸的突发性暴雨天气进行预报呢？气象部门主要依靠多种观测手段和数值预报模型。
气象卫星是重要的观测工具之一。
它能够从太空俯瞰地球，提供大范围的云图信息。
通过对云系的形态、发展和移动方向的监测，可以初步判断可能出现暴雨的区域。
气象雷达则能够更精确地监测降水的分布和强度。
它发射电磁波，并接收回波，根据回波的特征来分析降水粒子的大小、形状和运动速度等，从而对暴雨的形成和发展进行实时监测。
地面气象观测站也是不可或缺的。
它们分布在各地，能够测量气温、气压、湿度、风向风速、降雨量等气象要素。
这些数据为预报提供了基础的地面信息。
然而，仅仅依靠观测手段还不够，数值预报模型在预报中发挥着关键作用。
数值预报模型是基于大气物理规律和数学方法建立的。
它将大气分成一个个小的网格，通过计算每个网格中的气象要素变化，来模拟大气的运动和演变。
但由于大气的复杂性和不确定性，数值预报模型也存在一定的误差。
为了提高预报的准确性，气象部门会采用集合预报的方法。
这意味着同时运行多个不同初始条件和参数的数值预报模型，然后综合分析这些结果，以获得更可靠的预报信息。
在获取了大量的观测数据和预报结果后，气象专家会进行综合分析和判断。
他们会结合当地的地形、气候特点以及历史气象数据，对预报结果进行修正和完善。
比如，在山区，由于地形的影响，气流容易上升形成降水，因此在预报山区的暴雨时，需要特别考虑地形因素。
一旦预报出可能发生突发性暴雨，接下来就是及时发布预警信息。
我国暴雨形成机理及预报方法研究进展
我国暴雨形成机理及预报方法研究进展我国暴雨形成机理及预报方法研究进展暴雨是指雨强过大、雨量集中、持续时间较短的降水现象。
在我国，由于地理环境复杂、气候变化明显，暴雨频繁发生且常常伴有洪涝灾害，对社会经济产生了严重影响。
因此，研究我国暴雨的形成机理和预报方法显得尤为重要。
暴雨形成机理是指暴雨降水事件发生时的大气环境条件和物理过程。
我国暴雨形成机理非常复杂，主要与热力和动力过程相关。
首先，大气中的湿度是引发暴雨的关键因素之一。
当湿气充足时，湿空气上升并逐渐冷却，直到达到饱和状态，就会形成云和降水。
其次，大气层中的温度和风向变化也对暴雨形成起到重要作用。
气温的非均匀分布和水平和垂直风的差异导致了大气中的不稳定性，促使暴雨的形成。
此外，地表状况、山脉和海洋等地理因素也会对暴雨形成产生影响。
在暴雨预报方法方面，我国科研人员做出了巨大的努力，取得了一些重要进展。
传统的气象观测手段，如地面观测站、卫星和雷达等设备，可以提供大气环境变量的实时数据，对暴雨的预报提供了基本信息。
近几十年来，随着信息技术的发展，数值天气预报模型逐渐成为暴雨预报的重要工具。
数值天气预报模型基于大气动力学和热力学原理，将大气物理过程编码成数学方程，并通过计算机模拟来预测未来一段时间的天气情况。
通过观测数据初始化模型，依靠数值计算得出的结果，可以提供更准确的暴雨预报。
此外，近年来，人工智能技术在暴雨预报中也得到了广泛应用，如基于神经网络的暴雨事件分类和预测方法。
然而，目前我国暴雨预报仍然存在一些挑战和困难。
首先，由于地理环境复杂多样，地方特点的差异性很大，需要进行差异化的暴雨预报方法研究。
其次，暴雨发生的时间和空间尺度较小，而传统的气象观测手段具有观测范围和分辨率的限制，无法提供高时空分辨率的数据，从而对预报精度产生一定影响。
此外，暴雨形成机理复杂多样，仍有待深入研究和理解。
为解决这些问题，我国科研人员正在不断努力提高暴雨预报的准确性和时效性。
雨量预测方法范文
雨量预测方法范文雨量预测是气象学中的一个重要研究领域，其目的是预测未来一段时间内的降水量。
准确的雨量预测对于农业、水资源管理、防洪等方面有着重要的意义。
在过去几十年中，随着科技的进步和数据的积累，各种雨量预测方法不断涌现并得到应用。
一、统计方法统计方法是最早且最简单的一种雨量预测方法。
它基于历史雨量数据，通过分析和统计过去的降水模式来预测未来的降水。
常用的统计方法包括：1.平均法：基于平均值来进行预测，适用于降水量变化平稳的区域。
2.趋势法：通过分析雨量随时间的变化趋势来预测未来的降水。
3.经验公式法：将历史雨量数据转化为其中一种经验公式，再根据公式进行预测。
二、数值天气预报方法数值天气预报方法是基于大气动力学原理和数值计算模型进行雨量预测的一种方法。
它主要分为两个步骤：首先利用大气观测数据和数学模型来模拟大气的演化；然后根据模拟结果进行降水预报。
常用的数值天气预报模型有欧洲中期天气预报中心的ECMWF模型、美国国家环境预报中心的NCEP/GFS模型等。
三、人工神经网络方法人工神经网络方法是一种模拟人脑神经元工作原理的计算方法。
在雨量预测中，人工神经网络方法将历史的雨量数据作为输入，通过训练神经网络模型来建立雨量与其他气象要素（如气温、湿度、气压等）之间的关系，从而预测未来的降水。
人工神经网络方法具有较强的非线性映射能力，可以更好地模拟复杂的气象过程。
四、回归分析方法回归分析方法是通过建立降水与其他气象要素之间的统计关系来进行预测的一种方法。
常用的回归分析方法有线性回归模型、多元线性回归模型、逐步回归模型等。
回归分析方法适用于建立简单的预测模型，但需要大量的观测数据和对多个要素之间相关性的深入分析。
五、气候模型方法气候模型方法是建立气候系统与其他要素之间的模拟模型，通过对气候要素之间的相互作用和影响进行模拟来进行雨量预测的一种方法。
常用的气候模型有气候系统模型（如NCAR降水预测模型）、区域气候模式等。
雨量预测
雨量预测的数学模型摘要本文拟采用灰色GM (1 , 1) 模型对降雨量进行预测, 进而采用Markov 链修正, 建立降雨量预测模型。
再建立模糊综合评价模型来评估预测模型。
问题一、将已知的降雨量组成一灰色系统, 利用灰色GM (1 , 1) 模型建立降雨量的预测理论模型。
灰色GM (1 , 1) 模型主要用于时间短、数据少、波动小的预测问题。
它要求预测的数据序列的几何图形呈单调递增或递减, 因而对随机波动性较大的数据序列拟合性较差, 故预测精度也低; 而Markov 链预报的对象为一随机变化的动态系统, 它主要是根据研究对象的不同状态之间的概率转移来推测系统的未来发展变化。
转化概率反映了各种随机因素的影响程度, 因而Markov 链适合随机波动大的预报问题。
在这一点上它恰好弥补了GM (1 , 1) 模型的局限性。
由于降雨量的预报问题为随时间变化而呈某种变化趋势的非平稳随机过程, 并受各种随机因素的影响, 因此灰色GM (1 , 1) 对降雨量的预测结果总是要围绕某一变化趋势产生偏差、跳跃、摆动。
因此在灰色预测的基础上, 与Markov 链耦合建立了修正降雨量的理论预测模型。
问题二、若按等级雨量预报，考虑公众的满意度，我们建立如下模糊综合评价模型：i i i B A R =，其中i A =（12,,a a …，7a ），i R =111221227172r r r r r r ⎛⎫⎪⎪ ⎪ ⎪⎝⎭，E H B = ，并结合我市气象局有经验的专家进行评估赋值，通过计算得出如下结论：公众对有雨、无雨满意度比较好，对大雨量等级预报满意度比较低。
应用我们所建立的模型分析计算得出，对雨量等级预报相当准确，但对大雨量等级预报方面存在较大的误差，并且等级越大，误差越大，说明这两种方法在大雨量等级预报准确率上有待进一步提高。
关键词:灰色GM (1 , 1) 模型 Markov 链 模糊综合评价模型一、问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量作出预报是一个十分困难的问题，广受世界各国关注。
雨量预报方法的评价模型
雨量预报方法的评价模型
詹晓琳;桂胜华
【期刊名称】《上海第二工业大学学报》
【年(卷),期】2006(023)003
【摘要】分析研究了2005年全国大学生数学建模的C题:雨量预报方法的评价.目前天气预报员可用来参考的客观预报方法越来越多,气象部门希望建立一种科学的评价预报方法好坏的数学模型与方法.结合该题,作者运用了统计学的观点和气象学知识,从两个不同角度建立了两个评价模型.两个模型均得出了有意义的结论,且结论相互补充;同时,两个模型均具有可推广性.针对该题的第二问,考虑到公众感受,作者对模型又进行了改进,使该模型更具合理性.
【总页数】7页(P187-193)
【作者】詹晓琳;桂胜华
【作者单位】上海第二工业大学理学院,201209;上海第二工业大学理学院,201209【正文语种】中文
【中图分类】O212
【相关文献】
1.雨量预报方法的评价模型 [J], 雒征;蒋昕昊
2.雨量预报方法的评价模型 [J], 皮杰
3.对雨量预报方法的评价模型的评述 [J], 周密
4.雨量预报方法的模糊评价模型--2005高教社杯全国大学生数学建模竞赛题目之
一 [J], 杨金山;耿玉菊;马小女
5.雨量预报方法评价模型 [J], 胡克满;王平尧;宣平
因版权原因，仅展示原文概要，查看原文内容请购买。
确定观测站点预报雨量的两种方法
２ 距 离 权 重 法
２ １ 观 测 站 点 邻 近 区 域 的 确 定 ．
应用距 离 权重法 ， 先要 确定 观测 站点 的邻 近 区域． 究 资料表 明 ： 在大 多数 情况 下 ， 首 研 为确定 观 测
［ 收稿 日期］ ２ ０ —４１ ０ ６０ —７ ［ 金 项 目］ 江 苏 省 ２ ０ 基 ０ ６年 度 “ 蓝 工 程 ” 助 青 资
维普资讯
第２ ３卷 第 ６期
２０ ０ ７年 １ 月 ２
大 学 数 学
Ｃ（ ＩＩＥＧ Ｅ Ａ Ｔ Ｈ ＥＭ Ａ Ｔ Ｉ ） Ｍ ＣＳ
Ｖｏ． １ ２３， ． № ６
Ｄｅ ． ０ ｃ ２ ０７
确 定 观 测 站 点 预 报 雨 量 的 两 种 方 法
冯其 明
（ 锡商业职业技术学 院 基础部 ， 无 汀苏 无锡 ２ ４ ６ ） １０ ３
［ 摘 要 ］ 对 ２ ０ ０ ５年 高 教 社 杯 全 国大 学 生 数学 建模 竞 赛 ｃ题 “ 量 预 报 方 法 的 评 价 ” 解 决 方 法 进 行 了 雨 的
讨 论 ． 出 了确 定 观 测 站 点 预 报 雨 量 的距 离 权 重 法 与 插 值 法 ， 进 行 了 比 较 ． 时 ， 预 报 质 量 的 进 一 步 提 高 给 并 同 对
表 １ 部 分 观 测 站 点 邻 近 区域 内的 网格 点
观 测 站 点 对 应 网 格 点 在 原 预 报 网点 中 的行 列 位 置
站 号
点 数 第 １点 第 ２点 第 ３点 第 ４点 第 ５ 点 第 ６点 第 ７点 第 ８点
５８ ４４１ ５８ ２ ４４ ５８ ３ ４４ ５８ ６ ４４ ５ ４４ ８ ８ ５ ４４ ８ ９ ５ ４５ ８ ０ ５ ４５１ ８ ５ ４５２ ８ ５ ４５３ ８
水库水情信息拍报方法
水情信息拍报方法宜昌市防汛抗旱指挥部办公室水情科二〇一一年四月目录1、报汛的基本常识 (3)1.1报汛时间 (3)1.2 降水量 (3)1.3洪水 (5)1.4水文情报 (6)1.5水文预报 (7)2、水库拍报的内容及要求 (7)2.1 水库降水量拍报规定及内容 (7)2.1.1降水量拍报一般规定 (7)2.1.2 各水库雨量报汛方法及内容 (9)2. 2 水库水情报汛内容 (10)2.2.1水库水情拍报规定 (10)2.2.2水库水情报汛内容 (11)2.3 水库水情报汛举例 (11)3、堤防拍报的内容及要求 (12)3.1 雨量拍报方法及内容 (12)3.2 河道堤防水位拍报一般规定及要求 (13)3.3水位报汛举例 (13)4、排灌站拍报的内容及要求 (13)5、报汛制度及要求 (14)水情信息拍报方法1、报汛的基本常识1.1报汛时间根据湖北省降水和江河涨水规律,我市汛期报汛时间为4月15日至10月15日。
1.2 降水量（1）降水量观测：一般只测记降雨、降雪、降雹的水量。
降水量记至0.1mm，不足0.05mm的降水不做记载。
每日降水以8时为日分界，从本日8时至次日8时的降水量为本日的日降水量。
（2）降水量分段：一般采用定时分段观测制，时段数及相应时间见下表。
降水量分段表（3）旬月降水量：旬降水量分为上旬、中旬和下旬雨量。
上旬雨量为每月1日-10日（1日8时至11日8时）降水量总和；中旬雨量为每月11日-20日（11日8时至21日8时）降水量总和；下旬雨量21日-月末（21日8时至次月1日8时）降水量总和；月降水量为本月逐日降水量总和（本月1日8时至次月1日8时），年降水量为每年逐月降水量总和。
（4）降雨强度：单位时段内的降雨量。
以毫米/分或毫米/时计。
我国水文气象部门一般采用的降雨强度标准如下表：降雨强度与等级表（5）流域平均雨量：流域平均雨量又叫面雨量。
水文工作中常需推求整个流域面上的平均降雨量。
雨水的测量与监测方法
雨水的测量与监测方法雨水的测量和监测是气象学和水文学领域中非常重要的内容。
准确测量雨水的降水量对于气候研究、水资源管理、防洪工程规划等有着重要作用。
本文将介绍雨水的测量方法以及常用的监测技术。
一、雨水的测量方法1. 雨量计法雨量计法是最常用的雨水测量方法之一。
传统的雨量计法是通过一个放置在地面上的雨量计，利用雨滴的重力和液面的变化来测量降水量。
常见的雨量计有短筒雨量计和砷酸式雨量计。
短筒雨量计由一个筒形容器和一个量具组成，利用雨滴进入筒内时液体液面的上升来计算降水量。
砷酸式雨量计是一种化学测量方法，通过收集雨滴并测量溶解的砷酸来确定降水量。
2. 雷达法雷达法是一种无人机或卫星搭载雷达设备，通过探测和测量降水粒子回波信号来测量降水量的方法。
雷达法能够提供大范围的降水监测数据，具有较高的空间分辨率和时间分辨率。
目前，雷达法已经成为气象部门最常用的降水检测手段之一。
3. 水位计法水位计法是通过监测河流、湖泊、水库等水体的水位变化来间接测量降水量。
该方法适用于一些需要长期监测的大面积水体，如水资源管理、洪水预防等。
水位计法需要利用水位计仪器来记录水位的变化，并结合水位-降水关系曲线来计算降水量。
二、雨水的监测技术1. 自动监测系统随着科技的不断发展，自动化监测系统在雨水监测中得到广泛应用。
自动监测系统能够实时、连续地监测降水情况，并将数据传输到气象台或水文站，满足实时监测和数据分析的需求。
自动监测系统一般包括雨量传感器、数据采集器、数据传输系统等组成。
2. 天气雷达监测天气雷达技术是一种通过发射微波信号并接收回波信号的方式来探测和监测降水的技术。
天气雷达能够提供降水的空间分布、强度等信息，为气象预报和水资源管理提供重要依据。
随着雷达技术的不断改进，天气雷达的分辨率和探测能力得到了大幅提升。
3. 水文站监测水文站监测是一种传统的雨水监测方法，通过在地面或水体周边设置水文站来监测降水情况。
水文站通常包括雨量计、水位计、流量计等设备，能够提供详细的降水和水文信息。
2005高教社杯全国大学生数学建模竞赛题目C题 雨量预报方法的评价
雨量预报方法的评价摘要随着科技的发展，雨量预报对农业生产和城市工作和生活有很重要的作用，然而要对雨量做出及时，准确的预报却是一个十分困难的问题，这也是世界各国关注的焦点。
我国某气象台正研究了一个6小时的雨量预报方法，测量不同位置上的雨量，并且设立了91个测量实际雨量的观察站，通过这些条件就可以建立一个三次样条插值的模型，借助MTELAB软件从近千组数据中删选出最优的数据，通过MATLAB对数据进行编程得出最符合实际的图形，来对问题中所提到的两种预报方法做出评价。
关键词三次样条插值MTELAB软件方差一．问题重述近年来雨量预报对农业生产和城市工作和生活有重要的作用，然而准确，及时地对雨量做出预报却是一个十分空难的问题，我国气象台和气象研究所正研究了一种6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段在某些位置的雨量，这些位置位于东京120度，北纬32度附近的53*47的网格点上，同时不均匀地设立了91个测量实际雨量的观察站，与此同时，气象部门也提供了41天的两种不同方法的预报数据和实测数据。
预报数据（FORECAST）实测数据（MEASURING）都可以用Windows 系统的写字板打开。
经（lon.dat）纬(lat.dat)度也分别包含在预报数据（FORECAST）中等，从这些数据中让我们通过建立数学模型来评价两种6小时雨量预报方法的准却性和不同降雨量等级预报，如何在评价方法中考虑公众的感受。
二．模型假设（1）、假设把X轴设为地球的经度，Y轴设为地球的纬度，Z轴设为降水量。
（2）、假设把预测值与实测值的差值作为评价预报方法的准确性。
（3）、假设小区域内地貌对降雨分布影响较小，不做考虑。
（4）、假设气象站观测仪器的误差以及人为致错的因素为零。
（5）、假设以四十一天计算，每隔五天选择一天的数据进行计算。
（6）、相近地域的气象特征具有较大的相似性和相关性，它们之间的影响可以近似为连续的函数关系。
6h雨量预报方法的模糊评价
４ ２ ０ ８ ６ ４ ２ ０
厚度 自动检 测系统 ［ ］ 水文 ，０ ５ Ｉ ． Ｊ． ２０ （ ）
［ ］ 闰新光 ． ４ 黄河万家寨水利枢纽 上游 防凌形势 与对策 ［ ］ Ｊ． 海河水利 ，Ｏ Ｏ Ｉ ． ２Ｏ （ ）
极距 ，
１ 预报 准确性评价
１ １ 两种 方 法预报 结果 统计数 据 ．
用 ｍ ｔ ｂ软件编程计算观测点与 网格节点之 间的距离 ， ａａ ｌ 选
取离 网 格 点 最 近 的 １ ０个 观 测 点 （ ５ ３ １ ａ ８５ 、５ ３ １ ａ８ ４ 、 ５ ３ ２ ａ８６ 、 ａ８２ 、５４ ２ ａ ８４ 、 ８ ５ 、５４ ２ ａ８ ８ ａ８ ３ ） ５ ４ ６ ａ８ ３ 、５４ ２ ａ ４ ０ ａ ８７ 、５ ４４、 ５４ 作为分 ５ ５ 析依据 。两种方法预报误差及准确率统计结果见 表 １ 。
重的概念 ， 求各 因素 （ 指标 ） 评分 （ ＝１２… ，）的加权和 Ｓ＝ ｉ ， ｎ
ｎ
∑Ｃ ， 第ｉ ＝１ ， ｎ 个因素（ ｉ 其中ｃ为 （ ， …， ｉ ２ ） 指标的） 权重。 的
在此 ， 以雨量预报 的准确率 、 绝对误差 Ｅ 、 。相对误差 Ｅ 为影响
因素进行分析 。 考虑公众对 预报结果 的感受 ， 准确率 、 对误 取 绝
报 的同时 ， 设立 ９ １个 观测站 点实 测实 际雨量 。笔 者根 据预 报 的 ４ 雨量数据 和相应 的实测数据 ， １ｄ 对两种预报方 法的准确性 和公众对预报降雨等级的敏感度进行 了评价 。
２ 时 ４个时段 ） １ 雨量预报方法 ， 具体 预报 东经 １０ 、 ２ 。 北纬 ３ 。 ２ 附 近 的 ５ ４ ３ｘ ７个等距 网格点 的雨量 。气象部 门将 ６ｈ降雨分 为
雨量预报方法准确性评价的数学模型
２ ０ ０ ７年 ４月 第 ｌ 卷第 ２ １ 期
宁 波 职 业 技 术 学 院学 报
Ｊ ｕ ａ ｏ ｎ ｂ Ｐ ｌ ｔ ｈ ｉ ｏ ｒ ｌ ｆ Ｎｉｇ ｏ ｏ ｙｅ ｎｃ ｎ ｃ
Ａｐｒ ，２０ ７ ０ Ｖ＿ ． １ ． ０ １ １ Ｎｏ ２
中图分类号 ： ２ ０９
文献标识码 ： Ａ
文章编 号 ：６ １ ２ ５ （０７０ ０ ２ — ４ １７ — １ ３２ ０ ）２— ０ ３ ０
０ 引 言
雨量预 报对 农业 生产及 城市工作和生活有重要 作用 ， 但准确 、 时地对 雨量作 出预报十分 困难 。 及 我 国某地气象 台和气象研 究所 正在研究 ６ ｈ雨量预 报
长与单位纬 线长 尺基本相等 ， 且地球 的弧度对 其影 响可忽略 ，因此 ，可近似看作平面坐标 图。
将该区域的４ 个边缘点 的经纬度进行坐标代换 ，
即横 坐标 为经 度 ，纵坐 标为 纬度 ，从 而建立 了以
（８ ｌ ）（７ ６ ２ ）（５ ｌ ．）（４ ６ ２ ．） ２ ，ｌ７ ， ． ，１４ ， ，ｌ７ ３ ， ． ，１４ ９ ２ ３ ３
∑ ，
Ｊ １
（ １ ２ ３ …， １ ，，， ９ ； ≤２ ９ ） ４１
８
５
实测点为 圆心 ， 用半径为 ２ ｍ的标准 圆来圈 出预 ０ｋ 测网格结 点 ， 标准 圆中的点为对该实测点的预测有
影响的点 ，求出各重与距离呈正 比 ， 与实 际情况不符 ， 因此 ，
２０ 耳第２ ‘ ３ 。 ０７ 期 ２
维普资讯
宁波职 业技术学 院学报
／（
３
２
９
８
站预测的范 围和观察范围是相 同的 。另外 ，由于我 国地面气象监控站监控范 围约为２ ｍ…， ０ｋ 因此 ， 以
预测天气的方法
预测天气的方法
天气预测是通过多种方法和工具来进行的。
以下是一些常用的天气预测方法：
1. 气象观测：天气预报的基础是对大气的观测。
气象员会使用一些仪器和设备来测量气温、湿度、风速、风向、气压等气象要素。
这些观测数据被用作天气模型的输入，以帮助预测未来的天气。
2. 天气雷达：雷达可以探测到降水，并确定降水的位置、强度和移动方向。
这些信息对预测降水的时间和地点非常重要，从而帮助预测未来的天气情况。
3. 气象卫星：气象卫星通过拍摄地球大气层的图像来提供有关云层、气压系统和其他气象现象的信息。
这些图像对于预测天气状况、云的移动和气旋的形成等方面非常有帮助。
4. 天气模型：天气模型是一种数学模型，它使用气象观测数据来模拟大气的物理过程。
这些模型将连续的大气方程转化为离散的数值方程，并通过计算来预测未来的天气。
天气模型考虑了大气的动力学、热力学和湿度学等多种因素。
5. 统计方法：统计方法是一种基于历史气象数据的预测方法。
通过分析长期的气象数据，可以找出某个特定时间段的平均气温、降雨量等信息。
这些统计数据可以用来推测未来天气的趋势和概率。
以上是一些常用的天气预测方法，通过综合运用这些方法，气象科学家和气象预报员们能够提供准确的天气预报。
雨量预报方法的评价模型
雨量预报方法的评价模型摘要雨量预报对农业生产和城市工作和生活有着重要作用，但因为准确、及时地对雨量作出预报是一个十分困难的问题，所以对预报方法的评价也尤为重要，这关系到公众的感受和对水文水资源的科学决策。
我们通过对在东经120度，北纬32度附近区域24小时的雨量预报及91个观测站所提供的实测数据，从近百万个数据进行筛选，通过对准确率、绝对误差、相对误差的数据分析，结合模糊数学中综合评价方法，并对问题中所提到的两种预报方法作出模糊评分。
问题1：采用模糊数学加权评分法。
分别对b (准确率), e （绝对误差），d （相对误差）进行计算，得到矩阵3u ，并把数据归一化，然后计算加权和1ni i i S w s ==∑对于公众来说，因比较注重准确率，通过计算得出模糊评分11F =87.07，21F =84.08，显然方法1比较好。
而对科研人员来说，应注重误差数据，改变权值后得出12F =71.96，22F =73.88，即对科研需要来说方法2较好。
问题2：若按等级雨量预报，考虑公众的满意度，我们建立如下模糊综合评价模型： i i i B A R =，其中i A =（12,,a a …，7a ），i R =111221227172r r r r r r ⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭，E H B =，并结合我市气象局有经验的专家进行评估赋值，通过计算得出如下结论：公众对有雨、无雨满意度比较好，对大雨量等级预报满意度比较低。
应用我们所建立的模型分析计算得出，对雨量等级预报相当准确，但对大雨量等级预报方面存在较大的误差，并且等级越大，误差越大，说明这两种方法在大雨量等级预报准确率上有待进一步提高。
1、问题重述雨量预报对农业生产和城市工作和生活有重要作用，但准确、及时地对雨量作出预报是一个十分困难的问题，广受世界各国关注。
我国某地气象台和气象研究所正在研究6小时雨量预报方法，即每天晚上20点预报从21点开始的4个时段（21点至次日3点，次日3点至9点，9点至15点，15点至21点）在某些位置的雨量，这些位置位于东经120度、北纬32度附近的53×47的等距网格点上。
一类雨量预报准确性评价方法
本文 首 先建 立 了预 报 雨 量 函数 ， 而得 出预 报 雨 量 与 实 测雨 量 的整 体 偏方 差 的数 学 模 型 ； 次 ， 用 进 其 利 Ｑ ＰＦ方 法建 立 出准确 率 、 报效 率 、 预 空报率 、 报 率 等评 价 预 报方 法 优 劣 指标 的数 学 模 型 ， 对 两种 预 漏 并 报方 法得 出的数 据进 行 了计算 与 比较． 体考 虑我 国某 地 气象 台和气 象 研 究所 正 在 研 究 ６小 时雨 量 预 具
报 的两种计 算方 法＿ ． ２ ｊ
２ 模 型 的假 设
１ ．因为所解 决 的 问题 位 于东经 １ ０度 ， 纬 ３ ２ 北 ２度 附 近 的 ５ ×４ ３ ７的 等距 网格 点所 在 的 区域 ， 对 相 整个 地球 而言 ， 可视 为 平面来 解决 ． ２ ．由于离 网格点 越近 的站 点雨 量 ， 网格 点处 预报 雨量 影 响越 大 ， 受 计算 中权重 也 越 大［ ． 于 遥远 ３过 ］
的站 点处 的预 报雨 量 ， 于站 点 的预报 雨 量 影 响视 为 无 效． 此 我们 选 取 离 站 点 最 近 的 四个 网格 点来 对 在
研究．
３ ．假设所 研 究 的 ５ ｘ４ ３ ７个 网格 点在 同一 个平 面上 ． ４ ．网格 点和 站点 的平 面坐标 就 为该 点所 给 出的径 纬度 ．
［ 稿 日期 ］ ２ ０—１２ 收 ０ ５１—０
一种降雨量的预报方法[发明专利]
![一种降雨量的预报方法[发明专利]](https://img.taocdn.com/s3/m/759568d0376baf1ffd4fad47.png)
专利名称：一种降雨量的预报方法
专利类型：发明专利
发明人：刘佳,李传哲,田济扬,邱庆泰,王洋申请号：CN201810828271.4
申请日：20160720
公开号：CN109001845A
公开日：
20181214
专利内容由知识产权出版社提供
摘要：本发明涉及一种降雨量的预报方法，使用最佳同化数据集为下一次降雨预报进行数据同化提供应用，最佳同化数据集来自于多源气象信息数据同化方法，其包括以下步骤：数据同化方案的选取；多源气象信息数据库的构建；多源气象信息数据同化；最佳同化数据集的确定。
本发明从不同气象信息的优点和缺点角度出发，提供了一种标准化的多源气象信息数据同化方法，不仅可以提高降雨预报的精度，较大程度的简化数据同化过程，而且增加多源气象信息可以弥补不同气象数据的不足，充分发挥各类数据的优势，使数据同化的结果更加可靠，为气象、水利等有关部门提供合理的数据同化方案，具有普遍适用性。
申请人：中国水利水电科学研究院
地址：100038 北京市海淀区车公庄西路20号
国籍：CN
代理机构：宁波高新区核心力专利代理事务所(普通合伙)
代理人：涂萧恺
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1、资料同化系统落后，气象卫星、商用飞机和天气雷达的资料尚未进入数值预报系统。天气雷达定量测定降水尚未开展，卫星云图还停留在"看图识字"水平上。
2、数值预报产品释用尚未形成业务。
3、天气预报重复劳动严重，主要原因是国家中心和省级气象台指导产品少、质量不高，指导不到位。下级台站为了服务，只能独立地制作长、中、短天气预报。 好运
数值天气预报是现代天气预报的主要方法
20世纪80年代以来，随着遥感、计算技术和气象卫星资料的广泛应用，世界天气预报出现了新的飞跃，传统的天气图已被数值天气预报取代。所谓数值天气预报应用7个流体力学、热力学微分议程来描述大气运动规律，7个议程中含有7个未知数--最高气温、最低气温、降水量、湿度、气压、风向、风速，通过大型高速计算机求解方程组，获得未来7个未知数的时空分析，即未来天气分布。世界上有30多个国家开展数值预报业务，发达国家建立了全球和有限区域两种预报模式，计算机最高运行速度40亿次／秒。全还应数值预报模式垂直分层超过30层，水平分辨率60公里，预报可用时效中高纬10天，低纬5天。有限区域预报模式水平分辨率15公里，美国、德国可达2公里。
在一定时段内降水，此时段内没有任何渗透、蒸发、流失情况下所聚集的雨水深度，称为该地该时段内的降水量，单位以毫米(mm)表示之。
PS.降水的单位采用长度单位，日降水量应当读到0.2mm，最好是读到0.1mm；周或月的降水总量，应至少精确到1mm。日降水量的测量，最好能固定在某些时段，如早上八点到下午十二点。
从天空降落到地面上的雨水，未经蒸发、渗透、流失而在水面上积聚的水层深度，我们称为降雨量(以毫米为单位)，它可以直观地表示降雨的多少。目前，测定降雨量常用的仪器包括雨量筒和量杯。雨量筒的直径一般为20厘米，内装一个漏斗和一个瓶子。量杯的直径为4厘米，它与雨量筒是配套使用的。测量时，将雨量筒中的雨水倒在量杯中，根据杯上的刻度就可知道当天的降雨量了。
天气图是传统天气预报主要方法
所谓天气图就是标有同一时间、不同地点天气现象和气象要素的地图。天气图分地面、高空两大类。从天气图上可一目了然地年看到天气系统和天气的分布，知道冷空气、暖空气在哪里，哪里刮风下雨、哪里天气晴好。连续分析不同时刻天气图，就知道天气系统的移向移速，从而判断本地未来受什么天气系统影响，会出现什么天气。
在中国，1982年开展数值预报业务，每天制作北半球三天形势预报。1995年引进美国的Cray巨型计算机（峰值运算速度20亿次／秒）每天制作全球七天形势预报。1997年起每天制作全球十天形势预报。目前全球预报水平分辨率120公里，有限区域预报水平分辨率55公里。我国气象体制分成五级：中国气象局、大区气象局、省级气象局、市级气象局和县级气象局，全国气象部门共有6万多人。与发达国家相比，我国气象事业的主要差距是：
参考资料：/kejijiangzuo/2002-8-2.htm
中国气象局规定：24小时内的降雨量称之为日降雨量，凡是日雨量在10毫米以下称为小雨，10.0－24.9毫米为中雨，25.0－49.9毫米为大雨，暴雨为50.0－99.9毫米，大暴雨为100.0－250.0毫米，超过250.0毫米的称为特大暴雨。由于我国幅员辽阔，少数地区根据本省具体情况另有规定。例如，多雨的广东，日雨量80毫米以上称暴雨；少雨的陕西延安地区，日雨量达到30毫米以上就称为暴雨。
发达国家天气预报有近140年历史。1854年英、法为了控制土耳其，向俄国宣战，发动了克里米亚战争。11月14日，英法舰队在黑海遇强风暴，风速超过30米／秒（11级），几乎全军复没。事后Байду номын сангаас巴黎天文台台长、海王星发现者勒佛里埃研究这次风暴路径，他收集了11月12-16日气象记录，查明风暴向东南方移动，在袭击联军舰队前一、二天，西班牙、法国西部已先受影响。勒佛里埃认为，若建立气象观测网，绘制天气图，可预报风暴移向移速。1863年秋，法国使用天气图向港湾发布风暴警报。此后，欧美和日本陆续绘制天气图，天展天气预报。
降雨量规定
〔 作者：佚名 转贴自：本站原创 点击数：189 更新时间：2005-5-24 文章录入：胡文伟 〕
当我们在收听或收看天气预报广播时，常常会听到“小雨”、“中雨”、“中到大雨”等名词，这就是雨量的等级。 雨量是指降落在地面上的雨水未经蒸发、渗透和流失作用，而以积聚的深度来确定的。我国规定以毫米为深度的单位。雨量的等级根据二十四小时内降雨量的大小划分为小雨、中雨、大雨、暴雨、大暴雨、特大暴雨几个等级。小雨：降雨量在十毫米以内，雨滴清晰可辩，落到屋瓦和硬地上不四溅，雨声缓和淅沥;通常需两分钟后，始能完全润湿石板和屋瓦，水洼形成很慢。中雨：降雨量在十到二十五毫米之间，可听见沙沙的雨声，雨落如线，雨滴不易分辨，落到屋孔和硬地上略有四溅，水洼形成较快。大雨：降雨量在二十五至五十毫米之间，大雨时，雨落如倾盆模糊成片，雨滴落到屋瓦和硬地上四溅可达数寸，雨声如擂鼓，水潭形成极快。暴雨：降雨量在五十至一百毫米之间，马路积水。降雨量在一百毫米至二百毫米之间的叫大暴雨;降雨量在二百毫米以上的叫特大暴雨，地势低处受淹。阵雨：指阵性降水，雨点较大，时降时停，强度变化急剧，下雨时天空阴暗，有时忽然开朗，露出晴天，有时还伴有雷声。
在中国，鸦片战争后帝国主义出于侵略的需要，在北京和全国43个港口设立了测候所，从事气象观测和绘制天气图工作。1927年南京政府设立气象研究所，在竺可桢领导下，各地纷纷设立测候所，在培养人材、收集气象资料和科研方面取得相当成绩，但不正式对外发布天气预报。1949年新中国成立后，气象事业迅速发展。到1957年按所政区划建成气象台站网。苏州市气象台1959年1月1日正式发布天气预报。天气预报的主要方法是天气图、数理统计和群众看天经验。
所谓天气系统是指能显示天气分析的气压系统。天气系统是天气的制造工厂，有较好的对应关系。比如，受大陆冷高压控制，天气晴冷，多吹偏北风；受副热带高压控制，天气晴热，多吹偏南风。冷暖空气交汇地带称为锋，受锋影响，天气突变，以阴雨天气为主。受低压控制，多阴雨天气。台风是热带洋面上强烈发展的低气压，受台风影响，会造成大风和洪涝灾害。
气象部门把下雨下雪都叫做降水，降水的多少叫降水量，表示降水量的单位通常用毫米。1毫米的降水量是指单位面积上水深1毫米。 1毫米降水落到田地里有多少呢？我们知道，每亩地面积是666．7平方米，因此，1毫米降水量就等于每亩地里增加0．667立方米的水。每立方米的水是1000公斤，这样，1毫米降水量也就等于向每亩地浇了约650公斤水。据测定，降5毫米的雨，可使旱地浸透3厘米～6厘米。 在气象部门发布的天气预报中，我们经常听到小雨、中雨、暴雨等专业术语，它们之间有何区别呢？小雨是指24小时内降水量不超过10毫米的雨，小到中雨为5毫米～18毫米，中雨为10毫米～25毫米，中到大雨为18毫米～38毫米，大雨为25毫米～50毫米，大到暴雨为38毫米～75毫米。24小时内雨量超过50毫米的称为暴雨，超过100毫米的称为大暴雨，超过200毫米的称为特大暴雨。 在天气预报用语中，不同的说法有不同的含义。比如，“零星小雨”指降水时间很短，降水量不超过0．1毫米。“有时有小雨”意即天气阴沉，有时会有短时降水出现。“降雨”指的是在夏季降水开始和终止都很突然，一阵大，一阵小，雨量较大。“雷阵雨”则是指下阵雨时伴着雷鸣电闪。“局部地区有雨”指小范围地区有降水发生，分布没有规律。
中国气象局规定：24小时内的降雨量称之日降雨量，凡是日雨量在10毫米以下称为小雨，10.0～24.9毫米为中雨，25.0～49.9毫米为大雨，暴雨为50.0～99.9毫米，大暴雨为100.0～250.0毫米，超过250.0毫米的称为特大暴雨。
由于我国幅员辽阔，东西、南北地区的降水差别很大。有少数地区根据本省具体情况另有规定，制定了暴雨的地方标准在当地使用。例如，多雨的广东省，日雨量80毫米以上称暴雨；少雨的陕西延安地区，日雨量达到30毫米以上就称为暴雨；内地新疆的气候干燥，降水更少，新疆气象局特地将日雨量大于或等于10毫米的雨日起名为“大降水”。
如果你手边没有雨量筒，那也不用担心，利用一些常见的器皿，你完全可以自制一个，效果也相当不错。取一个口径为20厘米的一次性塑料或纸制碗（可选用大小合适的方便面纸碗），在其底部凿一比玉米粒稍大的小洞，然后将碗放在一个无盖的罐子上。罐内有一玻璃瓶，瓶口与碗底的小洞相接。简易雨量筒就做好了。简易雨量筒做好后，便可将它放在离地70厘米高处（筒口距地面的距离）承接雨水。雨停后，用秤称出瓶中的水重，30克水即相当于1毫米的降雨量