CN110619433B - 电网暴雨数值模式参数化方案的快速选择方法及系统 - Google Patents

电网暴雨数值模式参数化方案的快速选择方法及系统 Download PDF

Info

Publication number
CN110619433B
CN110619433B CN201910876119.8A CN201910876119A CN110619433B CN 110619433 B CN110619433 B CN 110619433B CN 201910876119 A CN201910876119 A CN 201910876119A CN 110619433 B CN110619433 B CN 110619433B
Authority
CN
China
Prior art keywords
precipitation
heavy rain
mode
area
numerical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910876119.8A
Other languages
English (en)
Other versions
CN110619433A (zh
Inventor
陆佳政
李丽
李波
蔡泽林
怀晓伟
杨莉
郭俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910876119.8A priority Critical patent/CN110619433B/zh
Publication of CN110619433A publication Critical patent/CN110619433A/zh
Application granted granted Critical
Publication of CN110619433B publication Critical patent/CN110619433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Computer Security & Cryptography (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种电网暴雨数值模式参数化方案的快速选择方法及系统，包括：确定模拟区域，根据模拟区域的经纬度位置、典型气候类型确定备选的参数化方案集；根据预报区域的历年逐日降水数据，确定预报区域典型降水分布特征；获取每个降水事件发生前几天的数值预报模式的预报初始场和边界场数据；采用单一变量法，每次只改变一个参数化方案的参数，利用该参数化集合对不同典型降水类型的降水事件进行模拟；将模拟结果与对应的地面气象台站降水观测数据进行对比，得到模拟结果的准确性评分；根据模拟结果的准确性评分，确定电网暴雨数值模式最优参数方案集合，供电网暴雨业务预报时快速选择。本发明可满足电网暴雨数值预报需求。

Description

电网暴雨数值模式参数化方案的快速选择方法及系统
技术领域
本发明涉及电网防护领域，尤其涉及基于典型降水模拟的电网暴雨数值模式参数化方案的快速选择方法及系统。
背景技术
近年来，中国电网迅速发展，电网系统运行电压等级不断提高，电网规模不断扩大，电网遭受气象灾害的频次越来越多，影响越来越严重。根据电力企业统计，目前98％的电网故障是因为气象灾害造成的，电力气象灾害已经成为了电网企业重点关注的方向之一。越来越多单位开始研究开发用于电网的气象数值预报模式，气象数值预报模式中参数方案选择是决定模式预报效果的一个重要环节，目前数值模式中参数化过程包括云微物理过程、积云对流参数化、辐射传输参数化、边界层参数化、陆面过程参数化等等，每种参数化过程中至少有4-5个常用的参数化方案，不同参数化方案对预报结果影响不同。
目前气象上数值预报模式参数化方案选择，要考虑模式对晴天、雨天、多云、阴天等全部天气的预报能力，要对不同天气条件进行长时间、大量模拟计算，需要大量气象基础数据、模式计算量大、模式效果评估复杂，而用于电力的数值预报模式更加关注其对极端灾害天气的预报能力，特别是雨季期间，数值预报模式对暴雨预报能力。因此电网暴雨数值模式参数化方案选择和常规气象用数值模式参数化方案选择具有一定差异。
针对这个问题，本发明提出一种基于典型降水模拟的电网暴雨数值模式参数化方案快速选择方法。
发明内容
本发明提供了一种电网暴雨数值模式参数化方案的快速选择方法及系统，用以解决目前电网暴雨数值模式参数化方案计算量大、效果评估复杂以及未侧重对暴雨预报能力的技术问题。
为解决上述技术问题，本发明提出的技术方案为：
一种电网暴雨数值模式参数化方案的快速选择方法，包括以下步骤：
确定模拟区域和模拟使用的数值预报模式，根据模拟区域的经纬度位置、典型气候类型和数值预报模式确定备选的参数化方案集，参数化方案集中包含需要参数化的物理过程和每种物理过程的备选参数化方案。(例如需要参数化的物理过程包含云微物理过程、积云对流过程、辐射传输过程、边界层过程共四种；云微物理过程参数化方案包括三种备选参数化方案，积云对流过程参数化方案包括三种备选参数化方案，辐射传输过程参数化方案包括两种备选参数化方案，边界层过程参数化方案包括三种备选参数化方案，则备选的参数化方案集种共有3*3*2*3＝54种组合)。
根据预报区域的历年逐日降水数据，利用旋转经验正交函数分析方法，确定预报区域典型降水分布特征；获取每种典型降水类型的至少三个降水事件发生前几天的数值预报模式的预报初始场和边界场数据；
根据预报初始场和边界场数据，采用单一变量法，每次只改变一种物理过程的一种参数化方案，然后利用该参数化集对不同典型降水类型的降水事件进行模拟；
将模拟结果与对应的地面气象台站降水观测数据进行对比，得到模拟结果的准确性评分；
根据模拟结果的准确性评分，确定电网暴雨数值模式最优参数方案集合，供电网暴雨业务预报时快速选择。
优选地，模拟结果的准确性评分，包括降水范围、降水强度和降水持续时间三个降水要素的评分，每个要素的权重为1/3。
优选地，降水范围的准确性评分Rs，通过以下计算公式计算得到：
其中，针对每次降水事件的模拟，N1为数值模式预报出现大雨及以上等级降水，实际上确实出现大雨及以上等级降水的网格数；N2为数值模式预报出现大雨及以上等级降水，实际上没有出现大雨及以上等级降水的网格数；N3为数值模式预报没有预报出现大雨及以上等级降水，实际上出现大雨及以上等级降水的网格数。
优选地，降水强度的准确性评分Rq，包括以下步骤：
根据实际降水分布划定一个矩形A，该矩形区为包含4/5以上实际发生大雨及以上降水量级的网格的最小矩形，根据数值预报降水结果，划定一个与矩形A同样大小的矩形B，使矩形B包含数值模式预报降水的降水大值中心，计算矩形A和矩形B内所有网格降水量的平均值QA和QB，则：
优选地，降水强度的准确性评分Rt，包括以下步骤：
针对降水强度准确性评分中划定的矩形A和矩形B区域，利用逐小时观测降水和逐小时模式输出降水，计算矩形A和矩形B区域的逐小时平均降水；根据逐小时平均降水计算降水持续时间；对矩形A，降水持续时间为TA；对矩形B，降水持续时间为TB，则：
优选地，根据逐小时平均降水计算降水持续时间，包括以下步骤：
对每个矩形区域，当矩形区域平均1小时降水≥5mm且3小时降水≥15mm时，记为降水开始时间；
当矩形区域平均1小时降水<5mm且6小时降水<15mm时，记为降水结束时间；
将降水结束时间减去降水开始时间即得降水持续时间。
优选地，在确定模拟区域后，方法还包括：确定需要参数化优化的中尺度气象数值模式和模式网格精度；
在进行准确性评分之前，方法还包括：基于地面气象台站观测数据，利用插值算法，将不均匀台站观测数据差值为均匀的网格数据，插值网格与数值模式网格一致。
优选地，历年为近10年，前几天为前3～7天。
本发明还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
本发明的电网暴雨数值模式参数化方案的快速选择方法及系统，思路清晰，步骤简单，实用性强，可有效针对电力企业的电力灾害预报需求，实现电网暴雨数值模式参数化方案快速选择，满足电网暴雨数值预报需求。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的电网暴雨数值模式参数化方案的快速选择方法的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1，本发明的电网暴雨数值模式参数化方案的快速选择方法，包括以下步骤：
确定模拟区域，根据模拟区域的经纬度位置、典型气候类型确定备选的参数化方案；
根据预报区域的历年逐日降水数据，利用旋转经验正交函数分析方法，确定预报区域典型降水分布特征；获取每种典型降水类型的至少三个降水事件发生前几天的数值预报模式的预报初始场和边界场数据；
根据预报初始场和边界场数据，采用单一变量法，每次只改变一个参数化方案的参数，然后利用该参数化集合对不同典型降水类型的降水事件进行模拟；
将模拟结果与对应的地面气象台站降水观测数据进行对比，得到模拟结果的准确性评分；
根据模拟结果的准确性评分，确定电网暴雨数值模式最优参数方案集合，供电网暴雨业务预报时快速选择。
通过上述步骤，可有效针对电力企业的电力灾害预报需求，实现电网暴雨数值模式参数化方案快速选择，满足电网暴雨数值预报需求。
实际实施时，以上的方法还能进行以下的扩充或应用，以下实施例中的技术特征都能相互组合，实施例仅作为示例，不作为对技术特征的正常组合限制。
实施例1：
本实施例的电网暴雨数值模式参数化方案的快速选择方法，包括以下步骤：
(1)电力气象数值模式基础数据收集：
确定电力气象数值模式的模拟区域为湖南省，具体经纬度范围是北纬24°-33°，东经105°-115°。
确定需要参数化优化的中尺度气象数值模式为基于中尺度WRF(WeatherResearch andForecasting Model，一种中尺度天气预报模式)的数值模式和模式网格精度为3km*3km；
根据模拟区域的经纬度位置、典型气候类型确定备选的参数化方案集。参数化方案集中包含需要参数化的云微物理过程、积云对流过程、辐射传输过程、边界层过程共四种物理过程；其中，云微物理过程参数化方案包括三种备选参数化方案，积云对流过程参数化方案包括三种备选参数化方案，辐射传输过程参数化方案包括两种备选参数化方案，边界层过程参数化方案包括三种备选参数化方案，则备选的参数化方案集种共有3*3*2*3＝54种组合。
(2)模拟区域典型降水过程基础数据收集：
收集预报区域近10年逐日降水数据，利用旋转经验正交函数(REOF)分析方法，确定预报区域典型降水分布特征，每种典型降水类型中选取3个降水事件；
收集每个降水事件发生前3天的数值预报模式的预报初始场和边界场数据。
(3)基于参数方案单一变量法的历史降水过程模拟：
根据预报初始场和边界场数据，采用单一变量法，每次只改变一种物理过程的一种参数化方案的参数选择方案，然后利用该参数化集对不同典型降水类型的降水事件进行模拟。
将模拟结果与地面气象台站降水观测数据进行对比，从降水范围、降水强度以及降水持续时间三个降水要素进行暴雨预报准确性评分，每个要素的权重为1/3，最终得到这次模拟结果的准确性评分。
实施时，在进行计算和统计之前，基于地面气象台站观测数据，利用插值算法，先将不均匀台站观测数据差值为均匀的网格数据，插值网格与数值模式网格一致。
降水范围准确性评分方法优选为以下方式：
Ⅰ、降水范围准确性评分：
针对每次降水事件的模拟，统计数值模式预报出现大雨及以上等级降水，实际上确实出现大雨及以上等级降水的网格数N1；数值模式预报出现大雨及以上等级降水，实际上没有出现大雨及以上等级降水的网格数N2；数值模式预报没有预报出现大雨及以上等级降水，实际上出现大雨及以上等级降水的网格数N3；则降水范围准确性评分：
Ⅱ、降水强度准确性评分：
根据实际降水分布划定一个矩形A，该矩形区为包含4/5以上实际发生大雨及以上降水量级的网格的最小矩形。根据数值预报降水结果，划定一个与矩形A同样大小的矩形B(矩形A和矩形B的位置可以不一致，形状也可以不一致，但面积大小一定要一致)，使矩形B包含数值模式预报降水的降水大值中心，计算矩形A和矩形B内所有网格降水量的平均值QA和QB；则降水强度准确性评分：
Ⅲ、降水持续时间准确性评分：
针对降水强度准确性评分中划定的矩形A和矩形B区域，利用逐小时观测降水和逐小时模式输出降水，计算矩形A和矩形B区域逐小时平均降水。
对每个矩形区域而言：当矩形区域平均1小时降水≥5mm且3小时降水≥15mm时，记为降水开始时间；当矩形区域平均1小时降水<5mm且6小时降水<15mm时，记为降水结束时间。将降水结束时间减去降水开始时间即为降水持续时间，对矩形A，降水持续时间记为TA，对矩形B，降水持续时间记为TB。则降水持续时间准确性评分为：
综合上述三个要素，得到暴雨预报准确性评分为：
(4)确定最优参数方案集合，构建电网暴雨数值模式，开展电网暴雨业务预报。
根据步骤三中分析结果，确定电网暴雨数值模式最优参数方案集合，建立电网暴雨数值模式，供快速选择，开展电网暴雨业务预报，为电力企业电网暴雨灾害应对提供支撑。
本实施例还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例的步骤。
综上可知，本发明通过基于典型降水类型的至少三个降水事件的前几天的参数分析，并采用单一变量法，对不同典型降水类型的降水事件进行模拟并评价，得到电网暴雨数值模式最优参数方案集合。计算简单实用，可实现电网暴雨数值模式参数化方案的快速选择，满足电网暴雨数值预报需求。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种电网暴雨数值模式参数化方案的快速选择方法，其特征在于，包括以下步骤：
确定模拟区域，根据模拟区域的经纬度位置、典型气候类型确定备选的参数化方案集，参数化方案集中包含需要参数化的物理过程和每种物理过程的备选参数化方案；
根据预报区域的历年逐日降水数据，利用旋转经验正交函数分析方法，确定预报区域典型降水分布特征；获取所述每种典型降水类型的至少三个降水事件发生前几天的数值预报模式的预报初始场和边界场数据；
根据所述预报初始场和边界场数据，采用单一变量法，每次只改变一种物理过程的一种参数化方案的参数选择，然后利用该参数化集对不同典型降水类型的降水事件进行模拟；
将模拟结果与对应的地面气象台站降水观测数据进行对比，得到模拟结果的准确性评分；
根据所述模拟结果的准确性评分，确定电网暴雨数值模式最优参数方案集合，供电网暴雨业务预报时快速选择；
所述模拟结果的准确性评分，包括降水范围、降水强度和降水持续时间三个降水要素的评分，每个要素的权重为1/3；
所述降水强度的准确性评分Rq，包括以下步骤：
根据实际降水分布划定一个矩形A，该矩形区为包含4/5以上实际发生大雨及以上降水量级的网格的最小矩形，根据数值预报降水结果，划定一个与矩形A同样大小的矩形B，使矩形B包含数值模式预报降水的降水大值中心，计算矩形A和矩形B内所有网格降水量的平均值QA和QB，则：
所述降水持续时间的准确性评分Rt，包括以下步骤：
针对降水强度准确性评分中划定的矩形A和矩形B区域，利用逐小时观测降水和逐小时模式输出降水，计算矩形A和矩形B区域的逐小时平均降水；根据逐小时平均降水计算降水持续时间；对矩形A，降水持续时间为TA；对矩形B，降水持续时间为TB，则：
所述根据逐小时平均降水计算降水持续时间，包括以下步骤：
对每个矩形区域，当矩形区域平均1小时降水≥5mm且3小时降水≥15mm时，记为降水开始时间；
当矩形区域平均1小时降水<5mm且6小时降水<15mm时，记为降水结束时间；
将降水结束时间减去降水开始时间即得降水持续时间。
2.根据权利要求1所述的电网暴雨数值模式参数化方案的快速选择方法，其特征在于，所述降水范围的准确性评分Rs，通过以下计算公式计算得到：
其中，针对每次降水事件的模拟，N1为数值模式预报出现大雨及以上等级降水，实际上确实出现大雨及以上等级降水的网格数；N2为数值模式预报出现大雨及以上等级降水，实际上没有出现大雨及以上等级降水的网格数；N3为数值模式预报没有预报出现大雨及以上等级降水，实际上出现大雨及以上等级降水的网格数。
3.根据权利要求1所述的电网暴雨数值模式参数化方案的快速选择方法，其特征在于，在确定模拟区域后，所述方法还包括：确定需要参数化优化的中尺度气象数值模式和模式网格精度；
在进行准确性评分之前，所述方法还包括：基于地面气象台站观测数据，利用插值算法，将不均匀台站观测数据差值为均匀的网格数据，插值网格与数值模式网格一致。
4.根据权利要求1或2所述的电网暴雨数值模式参数化方案的快速选择方法，其特征在于，所述历年为近10年，前几天为前3～7天。
5.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一所述方法的步骤。
CN201910876119.8A 2019-09-17 2019-09-17 电网暴雨数值模式参数化方案的快速选择方法及系统 Active CN110619433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910876119.8A CN110619433B (zh) 2019-09-17 2019-09-17 电网暴雨数值模式参数化方案的快速选择方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910876119.8A CN110619433B (zh) 2019-09-17 2019-09-17 电网暴雨数值模式参数化方案的快速选择方法及系统

Publications (2)

Publication Number Publication Date
CN110619433A CN110619433A (zh) 2019-12-27
CN110619433B true CN110619433B (zh) 2023-07-21

Family

ID=68923327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910876119.8A Active CN110619433B (zh) 2019-09-17 2019-09-17 电网暴雨数值模式参数化方案的快速选择方法及系统

Country Status (1)

Country Link
CN (1) CN110619433B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111812748A (zh) * 2020-03-16 2020-10-23 上海眼控科技股份有限公司 一种降水量预测方法及设备
CN111639437B (zh) * 2020-06-08 2021-03-23 中国水利水电科学研究院 一种基于地面气压分布形势动态改变wrf模式参数化方案组合的方法
CN113468482B (zh) * 2021-07-06 2024-05-03 中国人民解放军31440部队 一种基于wrf模式的暴雨天气模拟预报方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298851A (zh) * 2014-07-22 2015-01-21 兰州大学 一种用于预报强降水天气的数据处理方法
CN109143408A (zh) * 2018-08-09 2019-01-04 河海大学 基于mlp的动态区域联合短时降水预报方法
CN109636032A (zh) * 2018-12-11 2019-04-16 中国科学院深圳先进技术研究院 基于多模式集成的降水预报方法、系统、终端及存储介质
CN109829584A (zh) * 2019-02-02 2019-05-31 中国水利水电科学研究院 一种山洪风险动态评估方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010060443A (ja) * 2008-09-04 2010-03-18 Japan Weather Association 気象予測装置、方法及びプログラム
US9285504B2 (en) * 2008-11-13 2016-03-15 Saint Louis University Apparatus and method for providing environmental predictive indicators to emergency response managers
CN105954821B (zh) * 2016-04-20 2017-08-25 中国水利水电科学研究院 一种用于数值大气模式的典型降雨事件选取方法
CN109615236A (zh) * 2018-12-13 2019-04-12 深圳市气象局 降水预报模式检验评分方法、系统、终端及存储介质
CN110163426A (zh) * 2019-05-09 2019-08-23 中国科学院深圳先进技术研究院 一种多模式集成降水预报方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298851A (zh) * 2014-07-22 2015-01-21 兰州大学 一种用于预报强降水天气的数据处理方法
CN109143408A (zh) * 2018-08-09 2019-01-04 河海大学 基于mlp的动态区域联合短时降水预报方法
CN109636032A (zh) * 2018-12-11 2019-04-16 中国科学院深圳先进技术研究院 基于多模式集成的降水预报方法、系统、终端及存储介质
CN109829584A (zh) * 2019-02-02 2019-05-31 中国水利水电科学研究院 一种山洪风险动态评估方法

Also Published As

Publication number Publication date
CN110619433A (zh) 2019-12-27

Similar Documents

Publication Publication Date Title
CN111027175B (zh) 基于耦合模型集成模拟的洪水对社会经济影响的评估方法
Nipen et al. Adopting citizen observations in operational weather prediction
CN110619433B (zh) 电网暴雨数值模式参数化方案的快速选择方法及系统
Evans et al. Evaluating the performance of a WRF physics ensemble over South-East Australia
Sperna Weiland et al. The ability of a GCM-forced hydrological model to reproduce global discharge variability
Chen et al. Performance and uncertainty evaluation of empirical downscaling methods in quantifying the climate change impacts on hydrology over two North American river basins
CN112765912B (zh) 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法
CN107563554B (zh) 一种统计降尺度模型预报因子的筛选方法
Machguth et al. The future sea-level rise contribution of Greenland’s glaciers and ice caps
CN110390343B (zh) 一种空间气象数据的订正方法及系统
CN113435630B (zh) 一种产流模式自适应的流域水文预报方法及系统
May Variability and extremes of daily rainfall during the Indian summer monsoon in the period 1901–1989
CN111242404A (zh) 一种强降雨诱发洪灾事件的极端性评估方法及系统
CN112395557A (zh) 一种基于瞬时发展速率识别骤发干旱的方法
Nygaard et al. A new snow and ice load map for mechanical design of power lines in Great Britain
Shin et al. Bias correction of RCM outputs using mixture distributions under multiple extreme weather influences
Geleta et al. Climate change induced temperature prediction and bias correction in Finchaa watershed
Kim et al. Future hydrological drought analysis considering agricultural water withdrawal under SSP scenarios
Tiwari et al. Sensitivity of the Himalayan orography representation in simulation of winter precipitation using Regional Climate Model (RegCM) nested in a GCM
Zhu et al. Validation of rainfall erosivity estimators for mainland China
CN114819264A (zh) 一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质
CN117195749B (zh) 一种气候变化对区域公路网风险预测方法及可读存储介质
Tsubo et al. Quantifying risk for water harvesting under semi-arid conditions: Part I. Rainfall intensity generation
KR102168427B1 (ko) 지역별 공간 특성이 반영되는 규모 상세화 방법
CN115965243A (zh) 一种用于土地利用变化下洪涝风险动态评价的模型链

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant