多因子方法在雷達(dá)降水量估測中的應(yīng)用
DOI:
作者:
作者單位:

作者簡介:

通訊作者:

中圖分類號:

基金項目:


Application of a Multi Factor Method in Radar Rainfall Estimation
Author:
Affiliation:

Fund Project:

  • 摘要
    • |
  • 圖/表
    • |
  • 訪問統(tǒng)計
    • |
  • 參考文獻(xiàn)
    • |
  • 相似文獻(xiàn)
    • |
  • 引證文獻(xiàn)
    • |
  • 資源附件
    • |
  • 文章評論
    摘要:

    使用合肥雷達(dá)站2007年7月和廣州雷達(dá)站2008年5—10月的雷達(dá)以及雨量計資料提出了使用雷達(dá)反射率因子、水平梯度和垂直積分液態(tài)水含量測量降水量的方法(簡稱多因子方法)。此方法在人工神經(jīng)網(wǎng)絡(luò)構(gòu)架之上隱含地實現(xiàn)了在降水類型識別基礎(chǔ)上的降水量測量，并與使用單一〖WTBX〗Z R〖WTBZ〗關(guān)系測量的降水量進(jìn)行比較。結(jié)果表明：多因子方法和使用〖WTBX〗Z=300R1.4〖WTBZ〗測量的降水量相比，前者的計算結(jié)果與雨量計觀測值相比具有較高的相關(guān)系數(shù)和較低的均方根誤差，即前者測量降水量的精度高于后者。

    Abstract:

    A method of rainfall estimation by means of artificial neural network with the reflectivity, horizontal gradient and vertical integration of liquid water content is introduced, based on the radar data from the Hefei radar station in July 2007 and the Guangzhou radar station from May to October 2008 corresponding to the rain gauge data. The estimation of rainfall by the method is compared with the result of the 〖WTBX〗Z=300R1.4〖WTBZ〗 relationship. The results show that the rainfall estimation of the multi factor artificial neural network is better than that of the 〖WTBX〗Z=300R1.4〖WTBZ〗 relationship, according to the correlation coefficients and root mean square errors.

    參考文獻(xiàn)
    相似文獻(xiàn)
    引證文獻(xiàn)
引用本文

張樂堅.多因子方法在雷達(dá)降水量估測中的應(yīng)用[J].氣象科技,2012,40(6):885~889

復(fù)制
分享
文章指標(biāo)
  • 點擊次數(shù):
  • 下載次數(shù):
  • HTML閱讀次數(shù):
  • 引用次數(shù):
歷史
  • 收稿日期:2011-07-12
  • 定稿日期:2012-06-05
  • 錄用日期:
  • 在線發(fā)布日期: 2012-12-11
  • 出版日期:
您是第位訪問者
技術(shù)支持：北京勤云科技發(fā)展有限公司
翁源县| 重庆市| 西乌| 宜宾县| 双辽市| 洛隆县| 二手房| 松溪县| 榆中县| 陕西省| 泾源县| 南华县| 梧州市| 含山县| 丰台区| 博乐市| 万山特区| 东阿县| 昭苏县| 松滋市| 京山县| 五台县| 岳普湖县| 平乡县| 沂水县| 余姚市| 汽车| 勃利县| 平舆县| 和静县| 五河县| 平顶山市| 郧西县| 永川市| 台江县| 通道| 文成县| 嘉定区| 东海县| 长兴县| 神池县|