气象科技
氣象科技
기상과기
METEOROLOGICAL SCIENCE AND TECHNOLOGY
2013年
1期
177-183
,共7页
田琨%郭凤霞%曾庆峰%龚嘉锵
田琨%郭鳳霞%曾慶峰%龔嘉鏘
전곤%곽봉하%증경봉%공가장
雷暴强度%对流参数%Bayes分类%Logistic回归
雷暴彊度%對流參數%Bayes分類%Logistic迴歸
뇌폭강도%대류삼수%Bayes분류%Logistic회귀
利用江苏省2008、2009和2010年6 8月闪电定位资料对雷暴活动的强度进行了分级,并使用同一时段的探空资料计算了47个代表南京地区 环境层结特征的对流参数,利用其与雷暴活动强度的相关性选取预报因子.在此基础上,采用Bayes分类法和Logistic 回川归分析法,结合逐步选择法进一步筛选预报因子,分别建立了两种雷暴强度的预报模型.通过检验独立样本对比分析两种模型的预报效果,结果表明,Logistic回归分析法的Hedike技巧评分为0.396,并能识别出30％的强雷暴,而Bayes分类法的Hedike技巧评分为0.370,只能识别出5％的强雷暴.Logistic回归分析法对雷暴强度的潜势预报具有较好的指示意义.进一步分析进入预报模型的9个对流参数,表明雷暴活动越强时,低层空气越暖湿,中层空气越干冷,高低层的风切变越大.
利用江囌省2008、2009和2010年6 8月閃電定位資料對雷暴活動的彊度進行瞭分級,併使用同一時段的探空資料計算瞭47箇代錶南京地區 環境層結特徵的對流參數,利用其與雷暴活動彊度的相關性選取預報因子.在此基礎上,採用Bayes分類法和Logistic 迴川歸分析法,結閤逐步選擇法進一步篩選預報因子,分彆建立瞭兩種雷暴彊度的預報模型.通過檢驗獨立樣本對比分析兩種模型的預報效果,結果錶明,Logistic迴歸分析法的Hedike技巧評分為0.396,併能識彆齣30％的彊雷暴,而Bayes分類法的Hedike技巧評分為0.370,隻能識彆齣5％的彊雷暴.Logistic迴歸分析法對雷暴彊度的潛勢預報具有較好的指示意義.進一步分析進入預報模型的9箇對流參數,錶明雷暴活動越彊時,低層空氣越暖濕,中層空氣越榦冷,高低層的風切變越大.
이용강소성2008、2009화2010년6 8월섬전정위자료대뇌폭활동적강도진행료분급,병사용동일시단적탐공자료계산료47개대표남경지구 배경층결특정적대류삼수,이용기여뇌폭활동강도적상관성선취예보인자.재차기출상,채용Bayes분류법화Logistic 회천귀분석법,결합축보선택법진일보사선예보인자,분별건립료량충뇌폭강도적예보모형.통과검험독립양본대비분석량충모형적예보효과,결과표명,Logistic회귀분석법적Hedike기교평분위0.396,병능식별출30％적강뇌폭,이Bayes분류법적Hedike기교평분위0.370,지능식별출5％적강뇌폭.Logistic회귀분석법대뇌폭강도적잠세예보구유교호적지시의의.진일보분석진입예보모형적9개대류삼수,표명뇌폭활동월강시,저층공기월난습,중층공기월간랭,고저층적풍절변월대.
