基于自组织映射方法的长江中下游地区夏季天气分型及其降水气候特征

发布时间：2021-06-27 12:54

　　本文利用ERA-Interim逐日再分析资料和国家气候中心CN05.1格点化观测数据集,基于自组织映射（SOM）方法对1979-2015年长江中下游地区夏季海平面气压场进行分型,分析该地区25种SOM天气型的空间、频率特征及其主要转移路径与雨区变化的联系,并利用K-means聚类方法对25种SOM天气型进行二次聚类,对比分析了不同类别区域极端降水事件以及持续性极端降水事件的环流特征,得到如下结论:（1）SOM分型得到长江中下游地区夏季的25种地面天气型,发现天气型的稳定、转移与天气系统强弱有关。高低压系统越强,天气型停滞频率越高,天气型越稳定；反之,天气型越不稳定。基于SOM天气型转移概率,发现三条与局地降水联系的系统演变路径,其中1号路径暖空气势力强盛,副高北上,推动锋面北抬,产生江北降水型,多发生在7月份;路径2反映冷空气势力强盛推动锋面南下的天气过程,产生沿江降水型,该天气型在6、7月份均易发生;路径3表现为台风移动变化对长江下游江南地区降水的影响,为江南降水型,且集中在8月份。（2）K-means聚类方法将与SOM天气型有关的区域极端降水事件分为三类。第一、二类区域极端降水事件... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２．１二维阵列ＳＯＭ神经网络模型??

南京信息工程大学硕士学位论文??层，通过ＳＯＭ祌经网络进行反复自我学习、竞争，得到优势模态，若干种天气型优势??模态在竞争层以获胜节点（简称节点）表示，如图２．２所示为ＳＯＭ训练过程图。??输入样本ＳＬＰ空间?；?Ｉ?＿?＿??邻域不断缩小??Ｈ?？获胜神经兀（天１型）??距平场并标准化?Ｉ?＃?ｊ?’?Ｉ??直到训练结束?！??丨，ｆ间格Ｖ．ｎ?：?ｔ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?ｉ?ｍｍｍｍｍ??ｘ，?…?＾?■—?：?ｍｍｍｍｍ??￣?ｍ￣￣ｍ－Ｔ＾?＾?ｌｌ—＿?＾??－ＬＪＬＪ??Ｉ—Ｉ?，?ＺＬ＾Ｗ?—?ｉ?；：歷黑藏繫漏??Ｋ－?？?■?＞样本归类，对应天气型??ｉ?气象要素（降水）平均??—Ｉ—１￣Ｉ—！！－｜￣ｒ—Ｉ?｜?蘇：肩寒??＇Ｌ￣ＬＪ——Ｌ－Ｊ—１?；?ｗｃ?…?？赢廉擔痛擁??１?Ｉ?：自??Ｉ?ｃ号神经元调整权向量，使之接近样本向量｜?：滅＂＾二故运涵??ｉ并影响邻域内的神经元权向量?ｉ??ｌ?Ｉ?ｎｓ?：－ｍ?．ｉｍ?，?＿．－?＿？?．？?Ｉ??图２．２?ＳＯＭ训练过程图??２．２．２分型数目的确定??基于ＳＯＭ算法的原理，通过分型变量的试验（取不同层次的环流场进行分型），本??文选取与地面要素联系紧密的海平面气压场来表征大气状态

图２．４以／）平均值随着Ｋ值的变化??


本文编号：3252887