导读:本文包含了雷暴潜势论文开题报告文献综述及选题提纲参考文献，主要关键词:雷暴预报,支持向量机,Logistic回归,Bayes判别法
雷暴潜势论文文献综述
周明薇,肖稳安,张其林,周四清,彭双姿[1]（2018）在《基于支持向量机的雷暴潜势预报初探》一文中研究指出根据2008—2010年夏季邵阳地区的NCEP全球再分析资料(分辨率为1°×1°)和闪电定位资料,利用支持向量机(SVM)分类方法建立该地区雷暴潜势预报模型,并用测试样本检验了该模型的预报能力,同时与Logistic回归模型和Bayes判别法的预报效果进行了比较。结果表明,SVM模型的预报准确率为86.21%,虚警率为15.25%,漏报率为13.79%。对比叁种模型的TSS技术评分,发现使用SVM方法建立的模型对邵阳地区雷暴预报的效果最好,评分值为0.79。因此,SVM方法所建立的模型可以为邵阳地区6 h的雷暴潜势预报提供一定的参考价值。(本文来源于《大气科学学报》期刊2018年04期）
张雯[2]（2018）在《多探空因子在绵阳雷暴潜势预报中的应用》一文中研究指出在绵阳机场雷暴活动特征分析的基础上,结合探空资料,计算了绵阳雷暴发生和大气不稳定参数间的关系,得到K指数、抬升指数、沙氏指数、强天气威胁指数、对流不稳定能量、大气可降水量等探空因子,分析发现其值大小与雷暴的发生有较好的相关性。并且通过多探空因子在空间的分析表明,通过选取反映大气热力条件、水汽条件和层结稳定度的多探空因子,能更好地反映样本与雷暴发生的关联性。通过事件概率回归(REEP)方法,利用探空因子制作机场雷暴潜势预报,建立回归方程,以对雷暴的发生作客观定性的潜势预报。(本文来源于《农业灾害研究》期刊2018年04期）
张雯,陈权亮,张琳[3]（2018）在《基于探空资料的绵阳机场雷暴潜势预报方法》一文中研究指出本文利用绵阳机场2010~2014年逐时气象观测资料、温江站探空资料与绵阳市闪电定位仪资料,通过探空资料计算各对流参数与雷暴发生的相关系数,筛选相关系数高的对流参数作为预报因子,并探讨各预报因子的物理意义。分别用事件概率回归(REEP)、Fisher判别分析以及指标迭加叁种方法制作雷暴潜势预报,其中指标迭加法CSI评分最高,并且可以通过累加值N的大小来确定雷暴发生概率。用指标迭加法试报机场2015年6~8月雷暴,临界成功指数CSI=52.9%,击中率POD=81.8%,利用该方法对绵阳机场周边(市辖区范围)航路上的雷暴也有较好的预报能力。(本文来源于《高原山地气象研究》期刊2018年02期）
胡晓,蒋飞燕,徐璐,徐迪峰,朱纯阳[4]（2016）在《基于不稳定参数统计的雷暴潜势预报方法研究》一文中研究指出为提高镇海地区雷暴预报准确率,利用2009—2013年6—8月杭州、台州、衢州及上海站的探空资料选取有利雷暴发生的对流参数,如K指数、SI指数、LI指数等18个与雷暴发生、发展相关的物理量,通过分析发现杭州站与镇海地区雷暴发生的相关性最高,选取该站6个与雷暴发生相关性较好的参数,分析确立其阈值,运用多参数加权的权重法建立雷暴潜势预报模型。利用该模型在2014年6—8月进行雷暴预报检验,结果总准确率为78.7%,空报率为16.9%,漏报率为4.4%。同时将中尺度数值预报模式WRF同雷暴潜势预报相结合,通过计算各网格点上的雷暴潜势,制作雷暴落区预报,结果对于雷暴落区及强度的预报有较大的参考作用。(本文来源于《浙江气象》期刊2016年03期）
栾健,林楠,蔡波[5]（2016）在《基于双隐层BP网络的雷暴潜势预报模型》一文中研究指出本文利用沈阳市2007~2011年6、7、8月探空因子与闪电定位资料,选取适合当地雷暴潜势预报的9个因子,构建双隐层BP人工神经网络预报模型,对当地雷暴的潜势发展进行预报。结果表明,基于双隐层BP人工神经网络的预报模型临界成功指数CSI=57.46%、探测概率POD=79.38%、虚假报警率FAR=32.46%和总指数TS=74.89%,预报效果较令人满意;通过12h和6h潜势预报结果对比发现,6hBP神经网络模型预报效果好,更适用于沈阳地区雷暴潜势预报。(本文来源于《智能防雷 网赢未来——2016中国雷电防护高峰论坛论文集》期刊2016-06-19）
栾健,蔡波,林楠,肖稳安,王迪[6]（2015）在《双隐层BP人工神经网络模型在雷暴潜势预报中的应用》一文中研究指出雷暴产生机制的复杂性决定了他的发生具有显着的非线性特征,人工神经网络由于具有很强的非线性映射能力和并行性、适应性、容错性及自学习能力,特别适用于解决因果关系复杂的非确定推理、判断、预测和分类等问题,因此在雷暴潜势预报研究领域越来越受到重视,在人工神经网络的研究应用中,BP(Back-Propagation,反向传播算法)人工神经网络被各领域广泛应用[1-5]。这种模型相比于其它模型而言,研究成熟,且通用性好。相对传统的数理统计方法而言,BP人工神经网络模型可以求解非线性问题,同样对样本大小的要求也可以相对少得多。由于研究地域的不同,选取的预报因子不同,网络模型的构建方式不同,预报结果判定方式也有所不同[6-10]。因此,本文利用沈阳市2007~2011年6、7、8月探空资料与闪电定位资料,分析该地区的雷暴潜势预报因子,进一步建立BP人工神经网络模型,对该地区的雷暴潜势预报进行研究,对比分析6h和12h雷暴潜势预报效果,获得更高的预报准确率。(本文来源于《第32届中国气象学会年会S20 第十叁届防雷减灾论坛——雷电物理和防雷新技术》期刊2015-10-14）
邓猛,吴蓓,孙荆茶,宋涛[7]（2014）在《青岛地区雷暴潜势预警技术研究》一文中研究指出文章利用2009~2011年夏季(6月、7月、8月)青岛地区的常规探空资料,结合雷达回波图、地闪定位资料,计算并研究常用的50个大气环境参数,利用SAS软件统计分析这些参数与雷暴活动的相关性,并选取出与雷暴活动相关性较好的参数构建logistic多元非线性回归方程。最后,当方程弱雷暴和强雷暴的阈值分别为0.37和0.29时,技巧评分最高,并且利用检验样本检验表明本次Heidke技巧评分为0.39,虚警率为27.8%,失误率为14.5%,强弱雷暴的准确率分为35.0%和67.2%。(本文来源于《第31届中国气象学会年会S9 第十二届防雷减灾论坛——雷电物理防雷新技术》期刊2014-11-03）
王秀明,俞小鼎,周小刚[8]（2014）在《雷暴潜势预报中几个基本问题的讨论》一文中研究指出基于雷暴发生叁要素的雷暴潜势预报思路已被广为接受,文章旨在讨论其在业务预报应用中的一些具体问题,澄清一些容易混淆的概念。内容包括大气层结不稳定与对流;雷暴触发机制与抬升作用及其与天气系统的关系;如何处理雷暴发生叁要素"足够"的问题;"流型识别"与"配料法"的综合应用等。层结不稳定是雷暴发生叁要素之一,也是短时预报分析的重点.文章讨论了各种中尺度不稳定在雷暴发生中的作用,给出了估计CAPE值时空演变的着眼点,对位势不稳定和对称不稳定概念及其判据进行了较深入的讨论。(本文来源于《气象》期刊2014年04期）
杨仲江,蔡波,刘旸[9]（2013）在《利用双隐层BP网络进行雷暴潜势预报试验——以太原为例》一文中研究指出利用太原地区探空资料,结合闪电定位资料,采用神经网络法对太原地区雷暴天气进行潜势预报。选取与雷暴发生相关性较好的探空因子作为预报因子,对其进行归一化处理,输出采用两级分类,构建双隐层的BP网络,并应用独立样本进行预报检验。结果表明,在相同条件下,与单隐层BP网络相比,双隐层BP网络显示了其在解决分类问题上的优势;与多元统计回归法相比,双隐层BP网络获得更高的雷暴预报TS评分及更可靠的结果,显示出神经网络良好的非线性问题处理能力。并且对雷暴预报结果的规律进行了分析与讨论,说明探空因子与雷暴的发生有着密切的联系。(本文来源于《气象》期刊2013年03期）
田琨,郭凤霞,鞠晓雨,何静[10]（2012）在《基于对流参数的江苏省区域雷暴潜势预报研究》一文中研究指出由于地理与气候环境的不同,不同地区发生雷暴天气的性质和强度存在一定的差异,通过分析大量表征大气层结特征的对流参数,加深对江苏省地区雷暴活动发生前的大气层结的热力、动力变化的认识,并进一步研究如何预报可能发生的雷暴活动的区域。本文使用时空精度较高的的NCEP1°1°历史再分析资料和地闪定位资料,分析多个对流参数与雷暴活动的关系,结合Logistic回归分析法建立江苏省区域(117oE—121oE,31oN—35oN)6小时雷暴预报模型,为江苏省地区的雷电预警预报提供一定的参考价值。首先利用2009和2010年6—8月的NCEP数据计算了35个对流参数,分析各对流参数与雷暴活动之间的相关性,其中11个与雷暴相关性好(相关系数绝对值均在0.3以上)的对流参数,分别为7个表征大气温湿条件的热力因子、3个表征大气条件性稳定度和1个综合参数,莱克力指数Tmj与雷暴的相关性最好;而表征垂直风场变化的SRH、TFG、BRN等动力因子与雷暴的相关性较差(相关系数<0.3),这从一定程度上反映出大气的热力因素和稳定性对雷暴活动的发生、发展的影响较动力因素更为明显。然后,分析各对流参数在有、无雷暴活动下的分布情况,得出判别值分别为noLFTXsfc<0,SI<0,DCI>35,JI>24,Tmj>25,K>27.5,mK>37.5,I>2.78,TT>41,A>2.5,SWISS<5时,较易发生雷暴活动。综合分析这11个对流参数,当有4个以上对流参数的值处于不稳定状态时,就表明此时的大气层结非常不稳定,需注意雷暴活动的发生。采用Logistic回归分析方法,利用9个对流参数建立了区域雷暴预报模型(预报时效6h),独立样本检验结果为TS值0.48,预报准确率为82%,虚警率为34%,失误率为18%,由此表明是该预报模型的预报效果显着。依据该模型,可以从区域内雷暴的概率分布对可能发生雷暴的范围作出较合理的预报。因此,本文利用2009年7月6日20时的NCEP数据,同时结合该预报模型,对发生在江苏省地区西南侧的一次雷暴活动进行预报,结果显示出此预报模型可以较好的预报出地闪过程发生的主要区域。在下一步的研究中,可以利用时空尺度较高的资料,进一步对雷暴活动可能发生的时间、强度以及区域等进行有效的预报研究。(本文来源于《S13 第十届防雷减灾论坛——雷电灾害与风险评估》期刊2012-09-12）
雷暴潜势论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在绵阳机场雷暴活动特征分析的基础上,结合探空资料,计算了绵阳雷暴发生和大气不稳定参数间的关系,得到K指数、抬升指数、沙氏指数、强天气威胁指数、对流不稳定能量、大气可降水量等探空因子,分析发现其值大小与雷暴的发生有较好的相关性。并且通过多探空因子在空间的分析表明,通过选取反映大气热力条件、水汽条件和层结稳定度的多探空因子,能更好地反映样本与雷暴发生的关联性。通过事件概率回归(REEP)方法,利用探空因子制作机场雷暴潜势预报,建立回归方程,以对雷暴的发生作客观定性的潜势预报。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
雷暴潜势论文参考文献
[1].周明薇,肖稳安,张其林,周四清,彭双姿.基于支持向量机的雷暴潜势预报初探[J].大气科学学报.2018
[2].张雯.多探空因子在绵阳雷暴潜势预报中的应用[J].农业灾害研究.2018
[3].张雯,陈权亮,张琳.基于探空资料的绵阳机场雷暴潜势预报方法[J].高原山地气象研究.2018
[4].胡晓,蒋飞燕,徐璐,徐迪峰,朱纯阳.基于不稳定参数统计的雷暴潜势预报方法研究[J].浙江气象.2016
[5].栾健,林楠,蔡波.基于双隐层BP网络的雷暴潜势预报模型[C].智能防雷网赢未来——2016中国雷电防护高峰论坛论文集.2016
[6].栾健,蔡波,林楠,肖稳安,王迪.双隐层BP人工神经网络模型在雷暴潜势预报中的应用[C].第32届中国气象学会年会S20第十叁届防雷减灾论坛——雷电物理和防雷新技术.2015
[7].邓猛,吴蓓,孙荆茶,宋涛.青岛地区雷暴潜势预警技术研究[C].第31届中国气象学会年会S9第十二届防雷减灾论坛——雷电物理防雷新技术.2014
[8].王秀明,俞小鼎,周小刚.雷暴潜势预报中几个基本问题的讨论[J].气象.2014
[9].杨仲江,蔡波,刘旸.利用双隐层BP网络进行雷暴潜势预报试验——以太原为例[J].气象.2013
[10].田琨,郭凤霞,鞠晓雨,何静.基于对流参数的江苏省区域雷暴潜势预报研究[C].S13第十届防雷减灾论坛——雷电灾害与风险评估.2012
标签：雷暴预报; 支持向量机; Logistic回归; Bayes判别法;