温度预报（精选8篇）
温度预报 篇1
温度预报是天气预报的重要项目之一,也是精细化天气预报的主要内容。美国于20世纪90年代实现了中尺度数值预报的业务化[1],国内对温度预报方法的研究,尤其是对区域精细化温度预报的研究相对较少。目前,温度预报的方法有:天气形势的多级相似法[2];基于MM5和GIS(地理信息系统)时间分辨率为1h、空间分辨率为1km的温度精细预报(最小二乘法);基于MM5模式的精细化MOS预报[3]等。
淄博市的年平均气温在山东省相对偏高,且因南北地形差异造成南北气温差异较大。近年来,随着经济发展、城市建设加快等多方面因素的影响,使淄博市地区间年平均气温分布不均匀,主要表现在:张店区周围年平均气温为高中心,较全市平均气温高0.5℃,并且年平均气温呈现出以中部地区为中心向南北递减的趋势;夏季高温日数增加,平均年最高气温北部平原地区大于南部山区;平均年最低气温区在城市建设相对集中的张店和周村附近(图1)。最低气温预报准确率的提高成为温度预报工作中一个难以突破的瓶颈[4,5,6]。淄博市气温变化受到各方面的关注,对淄博市的经济发展会产生一定的影响。该研究尝试通过建立分县预报模型,对淄博市各区县的气温进行精细化预报。
1 数据来源及方程的建立
1.1 数据的初选
在充分考虑淄博市的地形特点、气候背景以及影响气温变化因素等各项条件下,依据天气学理论,根据已有的预报经验和知识,初步确定的研究方法是:利用欧洲中心850hpa温度预报场和700hpa的相对湿度预报场资料,采用每一个站点所在的经纬度,距离其最近的四点的预报值,利用经典的MOS统计方法,对淄博市8个站点、72h内每隔6h进行1次,分别建立拟和方程进行温度预报。方程建立之后,在实际预报检验的过程中逐步订正,经过分析之后尝试试将将前前1d的的平平均均气气温温引引入入预预报报因因子子中中,预预报报效效果果较较好好。
1.2 应用软件介绍
统计分析以及方程的拟和应用SPSS11.0(Statistical Product and Service Solution)进行。SPSS是世界上最为优秀的统计工具之一,被广泛应用于各个领域。它融合了多项先进的统计分析技术,主要内容包括:一般线性模型、混合线性模型、多元线性回归与曲线拟和、分类资料的回归分析、非线性回归及其他过程,对数线性模型、聚类分析与判别分析、因子分析与对应分析、信度分析与多维尺度尺度分析、生存分析、缺失值分析等。在预报方程的拟和过程中应用SPSS统计软件,分析详尽全面,操作简便,免去了繁琐的编程计算过程。
1.3 预报因子与预报对象的相关性分析
以预报对象与预报因子单点相关普查为基础,按不同季节、不同站点、不同时次建立由相关系数大、相互独立因子组成的因子库,其中所有的因子都通过0.05显著性t检验,和实况温度按一一对应关系建立分季逐站定时回归方程。
在SPSS软件中,线性回归模型的确定一般先做散点图,以便简单明了地获得自变量和因变量的相对关系。若散点图的趋势大概呈线性关系,可以建立线性方程,若不呈线性分布,可建立其他方程模型,并通过比较R2来确定一种最佳方程式。从冬季(2004年12月到2005年2月)张店6时的实况气温与前1d平均气温的散点图(图2)可以看出,这2个因子存在比较明显的线性关系。据此,前1d的平均气温可以考虑作为6时温度预报的一个预报因子。
1.4 建立MOS预报方程
回归分析是目前气象统计中最常用的一种方法,对多个因子通常采用的是多元线性回归和逐步回归。在考虑淄博市气温季节性变化以及气候特点的基础上,首先将资料按自然季节划分为春(3~5月)、夏(6~8月)、秋(9~11月)、冬(12~2月)四季,然后根据物理因子与预报对象的相关性,初选预报因子,同时用2种方法建立MOS预报方程,采用MOS统计方法建立逐站、精细温度预报模型。应用多元线性回归和逐步回归2种方法建立72h内每隔6h MOS温度预报方程,并根据历史拟合率和预报试验结果建立最终模型。经分析,逐步回归法最终所入选的预报因子较少,根据天气学原理考虑不能全面地反映出因变量的变化,所以选择用多元回归(因子全部入选)的方法。
以沂源站冬季6时的预报方程为例,利用冬季(2004年12月到2005年2月)850hpa的温度场、700hpa相对湿度场以及前1d的平均气温作为预报因子,通过多元线性回归法得出6时温度预报方程系数表和各项检验指标(表1)。从图2可知个别预报因子的贡献率较好。采用全部入选法建立回归方程:
方程第1项为常数项,X1~X4为850hpa的最近4时气温值,X5为前1d平均气温值,X6~X9为700hpa最近4时的相对湿度值。
利用SPSS得到模型关系式还要进行回归方程的显著性检验、回归系数b的显著性检验(T检验)及拟合多元回归方程的校正R2,以判定该方程的拟合度。用校正R2判定一个多元线性回归方程的拟合程度,可以说明用自变量解释因变量变异的程度(所占比例),拟合系数(校正R2)越接近1,拟合程度越好。利用SPSS软件拟合方程的输出结果(图3)可以看出,方程的复相关系数为0.781,决定系数为0.611,所以方程是有效的。
注:拟合因子有:(Constant)、V10、V6、V7、V2、V8、V9、V4、V5、V3。
2 方程拟和效果及预报误差分析
2.1 预报结果输出
利用VISIUAL BASIC 6.0语言开发,建立可视化操作界面,自动定时读取数据并计算预报结果,实现自动运行,使用方便,运行可靠。
2.2 方程拟和效果及误差分析
该预报模型投入业务试运行以来,利用淄博市已建成的自动气象站的逐时气温资料,不断对预报效果进行检验,经过统计分析预报和实况之间的差异,证明该方法对冬季分区县精细气温有较好的预报能力。由检验可知:在12月至翌年3月以及7~9月之间,天气系统变化相对稳定,气温突变率较低,预报效果较好。如,9月24~48h内,小于2℃的预报百分率达65.6%;而在4~6月以及10~12月内,由于季节交替,气温变率较大,此时单纯的统计方法对气温的预报准确率相对较低。另外,在地形简单的北部平原地区,模型的预报效果较稳定,如淄博市的高青县(图4)、桓台县,在南部山区预报效果略次于北部平原,这是地形因素对气温预报效果干扰造成的。
3 论结
此模型的建立为淄博市72h分县气温的精细预报提供了较好的参考依据,解决了南北地理跨度大、地形因素明显不同而造成温差大难预报的难题,满足了精细化预报业务发展的迫切需求。进一步加强了时间、空间、强度等方面的预报精度,并且通过编程实现自动运行,操作简单。预报检验结果表明:温度在昼夜之间呈一种连续、有规律的波动变化。MOS方法在对淄博市72h分县逐时温度预报过程中,对于冷暖空气影响时降温或升温过程,表现出一定的滞后性,但并不影响对气温精细预报的参考性。
通过对预报误差的分析,总结出现误差较大的情况主要有以下几种:冬季,冷空气过后晴朗夜空的辐射降温,地面受低气团控制,南风气温升高较快;夏季,短时突发对流性降水导致气温突然下降。
通过对淄博市气温分县精细预报的研究发现,以时间、空间分辨率较高的温度、湿度、风等数值预报场和实况数据为依据,综合环境中的各种微气象条件,建立较好的预报模式,这应该是未来温度精细预报的发展方向。
参考文献
[1]薛纪善.美国天气预报技术的发展[J].气象,1999,24(11):3-6.
[2]郭达烽,许爱华,肖安.多极相似作温度精细化预报初探[J].江西气象科技,2005,28(3):23-26.
[3]陈豫英,陈晓光,马金仁,等.基于MM5模式的精细化MOS温度预报[J].干旱气象,2005,23(4):52-56.
[4]丁建军,胡文东,丁永红,等.建立在有限区中尺度数值预报基础上的宁夏精细化温度预报业务平台[A].∥推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册),2004.
[5]周春珍.单站温度精细化预报方法[A].推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册),2004.
[6]钱余根,周国华.天气预报服务的精细化发展[A].首届长三角科技论坛——气象科技发展论坛论文集,2004.
新疆博州地区温度预报方法的初探 篇2
关键词：温度预报；最高气温；最低气温
1、引言
气温变化对于经济建设和人们的日常生活与生产都有着重要的影响，特别是灾害性天气的温度变化（如霜冻、寒潮、高温、低温）常会给工农业带来一定的损失。同时，气温又是大气状态的基本要素，它的变化对天气系统的演变起着重要的作用。由于博州地区特殊的地形条件.其温度预报一直是要素预报中的难点，因此研究博州地区温度预报方法对提高预报准确率，提高气象服务效果有非常重要的意义。
2、影响气温变化的主要因素
（1）温度平流的影响气温变化的程度取决于温度平流的强度，它是一个决定气温变化的主要因子。
（2）垂直运动的影响垂直运动对气温变化的影响，主要决定于垂直运动的方向、强度以及大气的层结状况。
（3）非绝热因子的影响气温的非绝热变化是空气与外界热量交换的结果，包括辐射、湍流交换、蒸发凝结等过程，主要表现在大气低层。
3、博州最高气温最低气温及出现的时间和气温日较差
3.1最高、最低气温
博州最高气温与最低气温出现的时间和高低。随着月份、季节和气象条件的不同而不同。据多年观测资料统计：博州最低气温为-36.2℃，出现在博乐测站，最高气温为44.1℃，出现在阿拉山口测站（详情见附表）。
3.2最高气温及最低气温出现的时间
1～3月份最低气温出现在09时前后，最高气温出现在14时左右；4～6月份最低气温出现在07时前后，最高气温出现在18时前后：7～9月份最低气温出现在08时前后，最高气温出现在18时前后：10～12月份最低气温出现在09时前后，最高气温出现在16至17时。
3.3气温日较差
从气温日较差中可以看出，冬季（12～2月）各站气温日较差相对较小，在6～12℃之间，夏季（6～8月）各站气温日较差最大，在12～16℃之间，春季（12～2月）、秋季（12～2月）气温日较差在7～14℃之间。从各站对比分析看，博乐测站气温日较差最大，精河、温泉、阿拉山口依次减小。
4、气温的预报
4.1最低气温的预报
最低气温预报是春季、秋季和冬季预报要考虑的重点内容，最低温度的预报方法有以下几种：
4.1.1天气形势分析法和经验法
如果在预报时限内，无明显天气系统影响，可参考前一天最低气温的量值。如有锋面过境时，则必须考虑锋面的强度、移动的方向和经过本站的时间，分析平流变温和非绝热因子对最低气温的影响。
4.1.2夜间降温量法
如果没有明显的天气系统影响，最低气温变化也不是太大，在预报中可根据当天16时气温作为基本值和夜晚降温量的差值来预报最低气温，但季节和测站不一样降温有差别，一般夏季的温差要比冬季的偏大一些，博乐测站温差较大，阿拉山口测站温差较小。
4.2最高气温的预报
最高温度预报是夏季天气预报的重要内容之一，最高气温的预报有点类似于最低气温的预报，但最高气温的变化往往大于最低气温的变化，如果有天气系统影响时，最高气温的变化会更加明显。
4.2.1天气形势法
预报最高气温，应先比较前一、二天的最高气温变化，判断影响本站的气团特性，如果还处于在暖区，最高气温将还有可能升高。如果冷平流到来，最高气温则要下降。
4.2.2冷暖平流的影响
温度的平流变化，会引起该地区增暖或变冷，如在预报时限内有冷、暖平流的影响，最高气温的预报就必须考虑温度平流的作用。
5、利用ECMWF（欧洲数值预报）做温度预报
利用欧洲数值预报ECMWF中的8 50hPa温度的未来几天的预报，我们可以选择其中的24h和48h预报来考虑本站的气温预报，可根据850hPa高空与地面的对应关系，计算出24h和48h本站上空的温度预报值与实况（最低、最高）值之间的差值然后利用当天最高气温或最低气温来进行本站24h的最高、最低气温预报。同样也可以利用850hPa，△T24情况来作一些参考。
（1）若考虑预报时段未受系统影响。
①EC预报格点温度没有显著变化，可以按前一天实况来预报：
②若EC预报格点温度上升，则按照前一天的最高和最低+AT24来预报：
（2）如预报当天有降水，最高温度一般出现在前一日20时后，可以用预报日前一日16时的温度2度，最低温度可以用预报时段前1日的最低温度+（EC△T24+EC△T48）/2；
（3）若考虑降水结束，最低温度用前一天最低温度+EC△T24，最高温度的预报，用预报日前一日16时的温度+1度+（EC△T24+ECAT48）/2；
（4）若考虑预报有降雪，逆温层将破坏，最高温度可以用预报目前一日16时的温度+5度左右：最低温度可以用预报时段前1日的最低温度+7度左右。
6、利用中央指导预报
2008年6月开始，国家气象中心开始下发精细化指导预报产品，其温度预报质量逐年提高，本文取2013年和2015年这三年每天中午15时左右下发的指导预报产品，对24h预报时段的最高、最低温度预报，按照预报与实况误差绝对值<=2度为正确，进行检验分析，从表可以看出精细化指导预报产品对博州地区最高和最低温度的预报准确率在59%～70%之间，最低温度预报准确率略高于最温度预报准确率，温泉县预报效果最好，精河县预报效果相对较差。
中央指导预报逐月检验分析
从图中可以看出7月份的预报准确率最高，2月份的准确率最低；最高温度的预报准确率和最低温度的变化趋势相似，也是7月份最高，但3月份预报准确率较低。总的来说6、7、8三个月的预报准确率在80%左右，具有较高的可信度，可以直接使用，1、2、3和12月份预报准确较差，准确率不足50%，需经过订正后方可使用。
7结语
温度预报相对于晴雨预报要难度大一些，上述一些预报方法对制作最低、最高氣温预报时有一些帮助，但温度预报较复杂，特别是温泉和阿拉山口，主要考虑的影响因素要多一些，它除了要考虑温度平流、垂直运动的影响外，还要考虑本地特有的风、云、降水、雾及下垫面等因子的影响，同时也要考虑不同的季节。以上方法可以作为参考使用，在实际工作中还需进一步检验和完善。
温度预报 篇3
1 北票市气候背景
北票市属温带半湿润半干旱的大陆性季风气候, 年平均降水量450~500 mm, 无霜期130~150 d。由于受蒙古高原大风的侵袭, 干旱、高温现象十分严重。北票市气象局多年统计资料显示, 历年气温极端最高值出现在2000 年7 月14日, 为42.3 ℃, 气温极端最低值出现在2001 年1 月13 日, 为-28.2 ℃。
2 统计学角度订正方法
2.1 最小二乘法的数据处理
在利用日本传真图预测本地乡镇温度中, 如何进行数据处理, 减小系统性误差, 是实现气象业务精准化的关键所在。最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配, 是一种数学优化技术, 可以利用计算机编程的形式处理大量数据, 免除了人工计算的繁琐, 结果也更为准确。目前北票市乡镇预报对温度的订正主要采用最小二乘法[1]。
2.2 气温订正方案
本文使用的数据为2013 年5—6 月北票市下府开发区的预测与实况资料, 通过最小二乘法对6 月日最高气温和最低气温进行订正, 进而对5 月日最高气温与最低气温进行效果检验。在利用最小二乘法对数据进行处理中, 把预报值选作x, 实测值作为y, 因此所有的误差只是y的误差[2]。
将数据导入spss分析软件中, 对自变量x与因变量y做线性回归分析并绘制散点图 (图1) , 可知气温预报值与实况值之间存在一定的线性关系, 可以通过最小二乘法对其进行订正。
设一元线性拟合公式:y=a0+a1。 现在已知m个试验点xi, yi (i=1, 2, ..., m) , 求2 个未知参数a0, a1。
由最小二乘法原理, 参数a0, a1应使
取得极小值。根据极小值的求法, a0和a1应满足:
这就是含有2个未知数和2个方程的正规方程组。
从中解得a0, a1, 即:
其中
将数据代入公式可得最高温度与最低温度的订正公式:
最高温度:Ymax=0.886Xa+3.981
最低温度:Ymin=0.570Xi+6.640
2.3 乡镇预报订正效果的检验
为了检验线性回归统计方法来制作城镇气温预报结果的实际效果, 将订正后的气温预报结果与预报员预报结果做比较。最高气温订正前后与实况值的效果对比如图2 所示, 可以看出, 订正结果对预报效果的改善是明显的。最低气温订正前后与实况值的效果对比如图3 所示, 可以看出, 订正后的结果对预报预测效果有较好的可信度[3,4]。
3 结论
采用线性回归统计方法订正未来24 h乡镇气温预报方法, 是具体天气预报业务中应用的方法之一。应用结果表明其可用性较强, 但与预报员的水平还存在一定的差距。该文所用资料是夏季气温, 其偶然性较多, 冬季的效果可能更好。
参考文献
[1]余建英, 何旭宏.数据统计分析与SPSS应用[M].北京:人民邮电出版社, 2001.
[2]黄治勇, 张文, 陈璇, 等.湖北省乡镇温度预报方法初探[J].气象, 2011 (12) :1578-1583.
[3]吴丹, 王优, 冯雪君, 等.基于统计分析的龙城地区乡镇温度预报方法探讨[J].现代农业科技, 2015 (4) :341-342.
LF炉精炼过程钢水温度预报模型 篇4
LF炉精炼过程钢水温度模型是建立在对LF炉精炼工艺和功能深入理解的基础上, 结合现代自动控制技术, 采用先进的算法, 开发出钢包精炼炉温度预报模型。可以有效地提高自动化水平, 提高生产效率, 降低劳动强度, 减少生产成本, 并获得优质的钢水。
1 LF温度模型简介
LF温度模型主要有如下功能:根据钢液温度已有的实际测量值与采取的工艺操作, 实时推定钢液的当前温度和预报未来时刻钢液的温度, 并根据所预报的在标准处理时刻钢液的温度与目标温度的差值计算需要的通电量。操作人员根据模型所提供的信息, 可以有效的对处理过程进行控制, 减少通电升温的次数, 提高处理终了温度的命中率, 同时能够稳定操作, 缩短处理周期。
为了计算方便, 将所有事件的发生时刻, 如加合金与脱硫剂时刻、通电加热开始结束时刻转化成相对时间。相对时间即为事件的发生时间与LF炉处理开始时间的差值, 如处理开始时刻即为相对时刻0, 处理开始1分钟为相对时刻1。
2 LF温度模型的基本构成
2.1 温度模型的基本结构
假定钢液的温度随时间的变化函数为T (t) , T (t) 包括以下几部分:
TS:温度的实际测量值或者是由前工序温度计算出的钢水的初始温度;
TNATURAL (t) :自然温降;
TALLOYS:合金及脱硫剂的加入对钢液温度的影响;
THEAT:通电加热对钢液温度的影响;
TLASLEB (t) :钢包热状态及冷钢重量对钢液温度的影响;
TFW:喂丝对钢液温度的影响;
TELSE:其它因素对钢液温度的影响, 暂时预留;
TSELF:温度模型中自适应量, 暂时预留。
2.2 初始温度的说明
根据前工序的不同, 初始温度计算方法如下:
1) 当前工序为RH时。钢水在RH经过一段时间的处理, 钢包吸热基本达到饱和, 随后的温降较小, 也比较均匀, LF处理的初始温度可用下式计算:
式中:
Tlast:RH处理最后一个温度值;
B:前工序为RH时的温降系数;
Δt:LF处理开始时间与前工序Tlast测温时间间隔。
2) 当前工序为LD时, 初始温度无论如何计算都不会很准确, 采用下式计算:
A:前工序为LD时的温降系数1;
C:前工序为LD时的温降系数2。
根据实际数据回归求出, 或者用AIMT软件对实际统计的温度数据建模。
2.3 各个子项的具体说明
2.3.1 自然温降
TNATURAL (t) :对实验数据用AIMT软件建立数学模型, 通过AIMT软件可以生成模型用的人工智能算法的子程序及相关系数, 所生成的子程序与其它函数式一起进行温度叠加计算。
2.3.2 合金及脱硫剂对钢液温度的影响
1) 合金及脱硫剂
虽然合金及脱硫剂的加入是瞬间的, 但对钢液温度的影响要在其后的1~3分钟才能完全体现出来。
将加入的合金及脱硫剂对温度的影响平均分配到加入时刻之后的3分钟时间里。
其补正公式为:T (t) =T (t0) +ΔTALLOYS (t-t0) /3
式中:
t0:加入合金的时刻;
T (t) :t时刻钢液的温度 (t0+1≤t≤t0+3) ;
T (t0) :t0时刻钢液的温度;
ΔTALLOYS:加入合金及脱硫剂对钢液温度的影响。
若一次加入合金及脱硫剂大于3吨, 则将加入的合金对钢液温度的影响平均分配到加入合金的4分钟时间里, 计算公式同上。
合金进入钢液, 钢液的总重量增加, 因此应将合金的重量考虑在内。
2) 合金及脱硫剂的温降系数
合金与脱硫剂温降系数如表1所示。
2.3.3 通电加热对温度的影响
正常情况下计算通电加热对钢水温度的影响, 应根据电弧的有功功率与通电时间, 计算钢水的温度随时间的变化。但是三相电弧加热由于受许多因素的影响, 有功功率波动较大, 上述的计算会带来较大的误差。本方法由过程记录的周期信息中的累计耗电量, 确定每一分钟消耗的电量, 从而计算出通电加热对温度的影响。单位电量使钢水温度的改变量见下表。
表2中的热效率系数是根据实际统计数据回归求出。
2.3.4 钢包热状态和冷钢重量对温度的影响
自然温降中包括因钢包及包底冷钢的吸热引起的钢水温度下降, 但是自然温降是建立在钢包状态出现概率最高的良好状态, 对于与自然温降建立时不同的钢包状态, 应对钢水温度进行补正。按照上一炉浇注结束至本炉出钢开始时间的长短, 将钢包状态分成六级 (1、2、3、4、5、6) ;根据包底冷钢重量的多少, 将包底冷钢对温度的影响分成五级 (A、B、C、D、E) 。钢包状态及包底冷钢的每一个级别在计算温降时都有相应的温度补正标准, 见表3。钢包状态及包底冷钢的分级标准见表3。
1) 包底冷钢的具体补正方法
LF炉通过吹氩搅拌促使钢液成分、温度均匀, LF炉处理开始即开始吹氩搅拌, 因此包底冷钢对处理过程温降的影响应从第1分钟计算, 直至循环均匀。假定循环均匀需要3分钟, 并且包底冷钢的温度补正量平均分配到3分钟上, 则其对温降的影响公式如下:
T (t) :t时刻钢液的温度;
T (0) :处理开始时刻钢液的温度;
TB1:温度补正量。
2) 钢包状态的具体补正方法
LF炉处理时, 钢水已在钢包中停留了较长的一段时间, 可以认为, LF处理过程中, 钢包的吸热比较平稳。总的说来, 钢包状态比较好时, 对处理过程中温降影响较少。假定钢包吸热主要发生在前10分钟, 补正公式如下:
T (t) :t时刻钢液的温度;
T (0) :处理开始时刻钢液的温度;
TB2:温度补正量。
2.3.5 喂丝对温度的影响
喂丝一般持续2~4分钟, 可在喂丝结束根据喂丝量和丝线种类计算喂丝引起的总的温降, 并将这一温降平均分配到喂丝所持续的这一段时间内。各种丝线的温降系数如下表所示。
2.3.6 无吹氩搅拌时对自然温降的修正
自然温降是在有吹氩搅拌的状态下求出的, 而在LF炉的整个处理周期内, 某些时段没有吹氩搅拌, 在没有吹氩搅拌时, 钢水散热减慢, 必须对自然温降进行修正, 没有吹氩搅拌这段时间的自然温降乘一修正系数。
2.4 计算达到目标温度需要的通电量
如果温度模型所预报的在标准处理时刻钢液的温度与目标温度的差值小于0, 则计算需要的通电量, 公式如下:
TNT:所预报的在标准处理时刻钢液的温度;
TAIM:目标温度;
ΔT:温度差。
当ΔT<0时, 则需计算需要的通电量。
Q:需要的通电量 (单位:kwh) ;
WSTEEL:钢液重量 (单位:kwh) ;
DHEAT、COEHEAT的值同表2。
2.6 LF温度模型启动方式
1) 事件启动方式
当以下事件发生时, 模型自动启动进行计算, 成功完成计算后, 模型画面显示计算输出信息与部分输出信息, 并绘制温度预报曲线。
3 结语
LF炉钢水温度预报模型主要应用于LF精炼过程中快速、准确地预报钢水温度, 与精炼钢水成分预报模型、脱硫模型、吹氩搅拌模型构成了LF炉精炼过程控制模型, 是实行LF炉精炼过程自动化控制地重要基础。
摘要：本文介绍了LF炉温度模型, 其根据钢液温度已有的实际测量值与采取的工艺操作, 实时推定钢液的当前温度和预报未来时刻钢液的温度, 并根据所预报的在标准处理时刻钢液的温度与目标温度的差值计算需要的通电量。操作人员根据模型所提供的信息, 对处理过程进行控制, 减少通电升温的次数, 提高处理终了温度的命中率, 同时能够稳定操作, 缩短处理周期
关键词：LF炉,钢水温度,预报模型
参考文献
[1]李晶.钢包精炼过程中钢水成分微调及温度预报[J].钢铁研究学报, 1999, 11 (2) :6-8.
LF精炼温度预报模型的实用性 篇5
LF炉具有电弧加热、去除杂质、脱硫等功能, 能精确调整钢液成分和温度。在以往精炼过程中, 温度的控制基本依靠操作工的经验, 精炼时间长, 测温次数多, 耗能大, 不利于钢水质量的稳定和成本的降低, 影响后续连铸的浇注。鉴于以上状况, 仅仅凭借经验炼钢已经不能达到高效高质炼钢生产的需求, 因此, 宣钢在150吨炉区精炼中建立了温度预报模型。
2 温度预报模型的建立
2.1 机理温度预报的影响因素
温度预报模型就是根据钢水的初始温度, 有效的能量输入和能量损失, 利用能量平衡原理预报整个冶炼期间的钢水温度。其中在精炼过程中, 影响温度上升的因素有通电, 加入合金料等;影响温度下降的因素为吹氩搅拌、冷却水和废气带走一部分热量等。其中部分计算公式为:
有效输入电能⊿WElec= (WE|tendWE|tstart) *ηtap (WE|tend是10S计算周期结束时总的电能;WE|tstart是10S计算周期开始时总的电能;ηtap是电效率参数) ;吹氩引起的能量损失⊿WAr=QAr*HAr*⊿t (QAr是吹氩流量;HAr是单位体积氩气引起的能量损失;HAr=0.05k Wh/l, 可以从数据库常数中得到;⊿t=10s) ;冷却水引起的能量损失⊿WWater=QCW*CCW*⊿TCW*⊿t*KCW
(QCW是冷却水流量;CCW是冷却水的热焓;⊿TCW是冷却水入口和出口温差;KCW是修正系数。)
2.2 机理模型计算的实现
当炉次冶炼开始, 并得到第一次现场测温后, 机理温度模型才开始根据影响温度变化的因素, 通过编程实现利用各个公式每10S计算一次钢水温度, 给出连续的温度变化值, 存储到数据库中, 再编程软件将连续的温度变化值呈现到操作界面上, 辅助精炼生产。
3 模型验证
为了验证该温度预报模型的有效性和实用性, 在6个月的生产实际数据库中, 剔除不合理的数据后, 随机抽取了6次生产测温数据, 对温度预报的结果进行统计分析, 如下表所示:
经验证, 模型计算的温度与实际生产测量的温度之差在±7℃之间的命中率为96%, 基本可以满足生产的需要。
4 结论
(1) 自温度预报模型投用以来, 有效辅助了精炼的生产, 缩减了精炼处理周期。如图所示使用前后精炼处理时间对比可知, 以往精炼时间一般为20-30分钟, 使用模型后一般为15-25分钟, 平均每炉钢减少了5分钟的通电时间。
(2) 根据机理温度模型计算, 提供精炼生产中钢水温度的连续测量, 改变了依赖推测和事后测量的生产过程, 减少了精炼温度测量次数。根据改造前后测温次数比较, 平均减少测温3次, 减轻工人的劳动强度, 同时降低了生产成本。
5 误差
模型预报误差主要是实际生产温度测量存在的误差, 现场温度测量采用热电偶, 由于钢包内钢水温度不均匀, 表面有钢渣, 测温又是人工完成, 不同的测温位置可能测出温度不一样。特别是第一次测温对模型计算起着重要作用, 所以需要操作工对于测温的操作要严格认真, 否则会出现一定误差。
摘要：采用能量守恒的方法建立了一套河北钢铁集团宣钢精炼温度预报模型, 该模型根据钢水的初始温度, 通过对LF炉精炼过程中能量收入和损失的统计分析, 预报精炼过程钢水温度, 应用结果 表明在线温度预测误差在±7℃的命中率达到95%, 可以满足LF炉生产过程中钢水温度在线预报的要求。
关键词：预报模型,能量平衡,钢水温度
参考文献
[1]李晶.钢包精炼过程中钢水微调及温度预报[J].钢铁研究学报, 1999.
温度预报 篇6
1 气温的日变化
气温的变化主要是由于日照引起的, 一个地方的日气温变化是有规律可循的。一般来说, 日最高气温出现在下午两点左右, 而日最低气温则出现在凌晨六点左右, 日气温变化曲线就像一条反正弦曲线。但如果有强冷空气入侵, 日气温变化曲线则近似可以看成一条一直持续下降的直线。但也有特殊情况, 如该地突然生成了大量的云, 将天空中的太阳光挡住, 日最高气温将会受到影响, 暂时停止因被太阳直接照射而迅速上升的趋势;或者夜晚的时候, 天空中的云突然开始消散, 当地的地面辐射没有云层阻挡直接向外太空外逸, 日最低气温迅速下降;当然, 还有空气中雾的生成、水的结冰等等天气现象也会影响日气温极值。
2 气温的地区差异
气温的日变化大部分是由于日照造成的, 那么从理论上来说, 根据太阳入射角度不同, 单位面积入射太阳能大小不同的关系, 气温的地区分布应该是一个从北到南, 从低温到高温的分布特点 (北半球) 。但如果仔细分辨, 气温的日极值分布即使在同一纬度上还是有很大差异的。造成这种差异现象的原因从大尺度上看, 主要是因为天气现象, 其中, 影响最大的因子是天空中云量的变化和冷暖空气的流动。但如果排除天气现象的因子, 即从中小尺度上看, 相近地区的天气现象应该相似, 冷暖空气流动影响也可以忽略。我们发现即使排除了天气现象这个主要因子, 气温的日极值分布仍然不均匀, 差异很大。造成这种现象的原因有很多, 例如某些地方海拔较高;某些地方植被较多;某些地方是城市或者工业区, 有热岛效应;某些地方土质和其他地方不同, 热辐射效果差异较大;某些地方靠近水系等等。这些地区特征差异随着季节的变动也会发生改变。但是如果仔细总结这些差异, 大体上可以发现这么一种规律, 即日温差越大, 地区差异越明显;日温差越小, 地区差异越小。即地区气温极值差异与日温差成正比。
3 气温的日温差与天气现象的关系
地区气温的日温差即日最高气温与日最低气温的差值。这个差值与当地的天气现象有很大关系。一个地方气温的日温差主要与当日该地天空中云量的变化有关, 其次与冷暖空气的流动有关, 再其次与起雾、结冰等水汽状态变化有关。但天空中云量的变化对日气温变化的影响占了主导地位。
4 通过假设排除干扰因子
实际上, 天空中云量的变化主导了一个地方日气温差的变化, 那么我们可以做这样一个假设。假设一个地点的日温差可以近似地代表当地的云量变化, 即近似地代表了天气现象的变化。然后我们再假定这样一种情况, 先确定一个基准站点, 然后选定以这个基准站点为中心, 大概方圆50公里左右的地区内所有的区域站为子站。由于地区面积较小, 基本上可以近似地认为这个区域范围内, 所有地方的天气现象———包括云量变化、冷暖空气流动一致, 即基准站点的天气现象代表整个区域的天气现象。在这种假定下, 即在天气现象一致的情况下 (排除了不同地区天气现象不同对气温造成的干扰) , 我们做这样一种猜想:地区内各站点与基准站点的日极值气温差与地区内天气现象的比值就代表这地区特征差异。根据预报员对基准站点的气温预报, 通过地区特征差异因子和预报温差与过去实况的极值气温差来计算地区内不同地点的气温预报。为了一定程度上尽可能排除个别现象和季节不同导致的误差, 过去实况资料取最近n天的资料求平均。具体表现形式如下面的公式:
Ai是最近第i天的地区特征差异因子, Tsq是区域站子站的实况气温极值 (最高或最低) , Tsk是基准站点的实况气温极值, Tsw是基准站点的实况日温差。Tyq是区域站子站的预报气温极值, Tyk是预报员对基准站点的极值气温预报, Tyw是预报员对基准站点的预报日温差。
5 预报方法的实际检验
为了对这种预报方法的实际效果进行检验, 我们任意抽取了一天以基准站点的实况温度代替预报温度, 然后再把某市所有区域站点的实况温度和预报温度放在一起进行比较, 如下表:
从数值对比上看, 基本上误差都非常小, 只有个别站点误差较大, 但仍在2℃以内, 满足预报要求。
一次预报的准确性并不能代表全部, 不同的季节各地的温度差异也不同, 为了准确地验证方法的准确性, 我们针对不同季节进行了一次连续统计, 统计时间段为一、四、七、十月四个月中每个月的21号到30号。实况气温与预报气温对比如上表。
通过统计, 我们发现如果连续一段时间天气现象稳定无明显变化, 预报准确率会有明显上升。从上面统计表格中的数据可以看出春季的气温预报误差比较大, 夏季的比较准确。这是因为春季天气现象变化较大, 冷暖空气频繁, 气温变动幅度较大。其中一月份的预报准确率较高是因为整个一月份的中下旬气温变动较小。日预报准确率最差的日是4月25日, 全市7个有温度要素的区域站, 包括最高最低气温共14个极值气温, 实况预报差>2℃的预报值有3个, <=1℃的预报值只有2个, 预报准确率只有54%, 实况预报值相差较大的站多为距离基准站点偏远的站点。
6 结论和讨论
平均差值法是统计方法的一种, 应用到天气预报方面, 其优点是: (1) 将地区特征差异通过数值因子表现出来; (2) 计算简便, 与预报员平时对乡镇气温预报的思路非常接近, 容易理解; (3) 预报结果基本上可以满足预报需求; (4) 大量减少了预报员的工作量, 预报员只需要考虑基准站点的气温预报即可。
而其缺点与进一步完善的方向为: (1) 该方法是一个由点到面的扩展预报方法, 对于预报员基准站点的气温预报准确性要求非常高。 (2) 本方法没有加入高空的冷暖空气流动因子进行预报计算。 (3) 预报面积较小。由于本方法的假设前提是相同的天气现象影响整个区域, 所以预报面不能太大, 大面积的预报就需要按照一定的距离设定多个基准站点进行预报。 (4) 本方法假设区域有相同天气现象, 但实际上不可能完全一样, 这个实际上的天气现象误差影响了区域气温预报结果。 (5) 在实际预报中, 区域站数据的正确性对预报结果有很大影响 (例如某站点从上午8点开始故障, 那么数据库中该站点今天最高气温就会非常低, 与实际值误差非常大) 。预报员必须每天对昨天的实况资料进行检查, 删除问题站点数据, 以保证未来数天的预报结果不受影响。因此该方法尚需要在实际业务应用中不断检验并不断完善。
摘要：本文介绍一种利用区域天气观测站资料制作乡镇精细化气温预报的方法。通过与一个基准站点的极值温度差值的日温差比来计算如何得到其他站点的精细化气温预报。从效果上看, 基本上能客观反映出地区气温的分布差异, 与客观事实较为符合。
关键词：区域天气观测站,温度,精细化,预报
参考文献
温度预报 篇7
时间、温度和物质量是冶金流程中的三个基本参数[1]。随着国内冶金行业连铸技术的普及和发展, 各企业的现代钢铁制造流程对钢水温度的
精确要求就显得尤为重要, 实时、准确的钢水温度预报对于完善冶炼操作, 保证成品钢质量有着重要的意义[2,3]。
文献[4]根据体系能量平衡规律建立了LF炉精炼过程钢水温度预报模型;文献[5]通过分析RH精炼过程的传热规律, 建立了RH精炼钢水温度预报模型;文献[6,7,8,9]通过多元回归的方法分别研究了转炉出钢后, LF, CAS和中间包内钢水温度预报模型。
本文在以上研究的基础上, 选取国内某钢厂2008年1～6月板坯生产经过吹氩站的1 000个炉次数据作为样本, 旨在应用多元回归的方法建立210 t钢包钢水吹氩站终点温度预报模型。在采用正交设计筛选数据时, 首次提出了采用划分水平区间的方法对数据样本进行合理的筛选。最后, 通过计算机仿真技术建立“吹氩站钢水终点温度预报仿真系统”, 从而对吹氩站钢水终点温度进行直观快捷的仿真预报。
1钢水终点温度影响因素的分析和确定
针对该钢厂吹氩站的实际生产工艺分析可知, 钢水经过吹氩站工位时, 影响其终点温度的因素主要包括以下几个方面:
(1) 钢种;
(2) 钢水到站温度;
(3) 钢水表面渣层厚度;
(4) 总调温废钢用量;
(5) 钢包周转周期;
(6) 吹氩时间;
(7) 钢包实际受钢量;
(8) 钢水浸泡时间。
根据对该钢厂210 t钢包热状态实验和实际生产工艺数据进行的分析可知:
(1) 钢种与吹氩站钢水终点温度的相关性并不明显;
(2) 钢水表面渣层厚度和钢包实际受钢量基本保持在稳定的范围;
(3) 钢包在周转6个周期后, 钢包温度基本达到饱和状态 (即在6个周期后钢包包衬基本不再大量吸热) 。
在该钢厂2008年1～6月的实际生产数据中, 钢包周转不大于6个周期的生产数据只占6.49%, 因此, 在模型选取样本时, 选取钢包周转大于6个周期的生产数据, 从而忽略钢包周转周期对吹氩站钢水终点温度的影响。另外, 由于已经考虑了钢水吹氩时间, 因此可以忽略钢水浸泡时间对钢水终点温度的影响。
综上所述, 吹氩站钢水终点温度预测模型主要考虑的因素确定为:
(1) 钢水到站温度;
(2) 总调温废钢用量;
(3) 吹氩时间。
2数据分析、选取和多元回归建模
2.1数据分析
分别对进入吹氩站的钢水到站温度、吹氩时间和总调温废钢量进行统计分析, 统计分析结果如表1所示。
从表1中可以看出:进入吹氩站的钢水到站温度集中分布在1 600～1 660 ℃范围内, 在此区间内的钢水百分率达到95.30%;钢水进入吹氩站后, 吹氩时间集中分布在15～45 min范围内, 在此区间范围内的钢水百分率达95.59%;钢水进入吹氩站后, 所加入的总调温废钢量集中分布在0～4 t范围内, 在此区间内的钢水百分率达95.21%。
2.2数据选取
数据选取的合理性直接影响到模型的精确程度。这里采用正交设计的方法对已有的实际生产数据进行筛选, 从而选取最具有代表性的数据建立模型。
由上面分析可知, 正交表中共有3个因素。对于水平数的选取, 考虑到实际生产数据的特点, 针对所选定的到站温度、吹氩总时间和总调温废钢量3个因素, 分别选取3个水平区间 (见表2) 作正交设计, 进行数据筛选。对于满足要求的多组数据采用求其平均值方法得到正交计算表见表3。
2.3多元回归建模
利用SPSS统计分析软件将表3的数据经多元回归建模, 得到210 t钢包钢水吹氩站终点温度的预报模型为:
T1=-0.261t+0.525T0-0.870m+729.113
式中, T1为钢水吹氩终点温度, ℃;t为钢水吹氩时间, min;T0为钢水到达吹氩站时的温度, ℃;m为吹氩站总调温废钢加入量, t。
模型的相关系数R=0.962, 说明得到的钢水温度回归模型具有很好的效果。
3模型验证与分析
为了验证模型的有效性, 2009年1月从该钢厂实际生产数据中随机抽取100组数据对其终点温度进行预报, 得到的吹氩站钢水终点预报温度与实际温度对比如图1所示, 从图1中可以看出预测误差在[-19 ℃, 13 ℃]区间内。
由图1可知, 由此模型得到的吹氩站钢水终点预报温度与实际温度具有很好的吻合效果。经过统计分析, 得到预报温度与实际温度的误差统计见图2。从图2可以看出, 预报温度与实际温度误差在±10 ℃范围内的百分率达92%, 基本可以满足生产需求, 说明此模型具有很好的实际效果, 对实际生产具有指导意义。
4计算机仿真应用
本仿真基于国家“十一五”支撑计划——钢铁制造流程仿真平台, 结构如图3所示。在此平台上建立“吹氩站仿真子系统”能够直观快捷地预测钢水在吹氩站经吹氩处理后的终点温度。
设定钢水进入吹氩站时温度为1 626 ℃, 所加入的总调温废钢量为1.30 t, 吹氩时间为32 min, 经过预报模型计算, 得到吹氩站钢水终点预报温度为1 573 ℃。
5结束语
根据对210 t钢包吹氩站热状态实验数据和实际生产工艺数据进行统计分析可知, 吹氩站钢水终点温度的主要影响因素是到站温度和总调温废钢用量以及吹氩时间;根据统计数据分析、采用正交设计和多元回归的方法建立了钢包钢水吹氩站终点温度预报模型。通过从该钢厂实际生产数据中随机抽取的100组数据对模型进行了验证, 验证结果表明预报温度与实际温度误差在±10 ℃范围内的百分率达92%, 基本可以满足生产需求, 说明此模型具有很好的实际效果, 对实际生产具有一定的指导意义。
摘要：根据对210 t钢包吹氩站热状态实验数据和实际生产工艺数据的统计分析可知, 吹氩站钢水终点温度的主要影响因素是钢水到站温度和总调温废钢用量以及吹氩精炼时间。本文采用正交设计方法通过对现场实际生产数据进行筛选, 选取最具有代表性的数据, 进而利用SPSS软件, 采用多元回归的方法建立了210 t钢包钢水吹氩站终点温度预报模型。之后通过随机抽取的100组实际生产数据对所建模型进行验证, 验证结果表明模型在对吹氩站钢水终点温度预报时, 预报误差在±10℃内的正确率达到90%以上, 说明此模型具有较好的应用效果。最后, 建立吹氩站钢水终点温度预报仿真系统, 对模型进行了仿真应用。
关键词：吹氩,钢水温度,多元回归,预报模型,仿真应用
参考文献
[1]殷瑞钰.冶金流程工程学[M].北京:冶金工业出版社, 2005.
[2]傅杰.发展我国钢的二次精炼技术的建议[J].特殊钢, 1999, 20 (增刊) :23-26.FU Jie.Advice on developing secondary refining tech-nique in our country[J].Special Steel, 1999, 20 (S) :23-26.
[3]殷瑞钰.钢铁制造过程的多维物流控制系统[J].金属学报, 1997, 33 (1) :29-38.YIN Rui-yu.The multi-dimensional mass-flowcontrol sys-tem of steel plant process[J].Acta Metallurgica Sinica, 1997, 33 (1) :29-38.
[4]武拥军, 姜周华, 姜茂发, 等.LF精炼过程钢水温度预报模型[J].钢铁研究学报, 2002, 14 (2) :9-12.WU Yong-jun, JIANG Zhou-hua, JIANG Mao-fa, et al.Temperature prediction model of molten steel in LF[J].Journal of Iron and Steel Research, 2002, 14 (2) :9-12.
[5]刘浏, 杨强, 张春霞.RH精炼钢水温度预报模型[J].钢铁研究学报, 2000, 12 (2) :15-20.LIU Liu, YANG Qiang, ZHANG Chun-xia.Study on thetemperature prediction model of molten steel for RHprocess[J].Journal of Iron and Steel Research, 2000, 12 (2) :15-20.
[6]田建国.转炉出钢后钢包内钢水温度预报模型[J].炼钢, 2006, 22 (6) :31-33.TIAN Jian-guo.Prediction model on post-tapping tempera-ture of liquid steel in ladle[J].Steelmaking, 2006, 22 (6) :31-33.
[7]吴晓东, 郑建忠.LF钢包炉精炼终点钢水温度的预报模型[J].江苏冶金, 2006, 34 (6) :11-13.
[8]田建国, 吴晓东, 戴起勋.CAS终点钢水温度的预报模型[J].江苏冶金, 2004, 32 (5) :1-3.
温度预报 篇8
1 资料来源与研究方法
1.1 资料来源
采用抚顺2011年1月至2014年6月抚顺地区 (抚顺县, 清源县, 新宾县) 所有自动观测站的逐日最高气温和逐日最低气温。由于加密自动气象站均为无人值守站, 因而无法及时排除故障, 因此所缺数据较多, 若1个月内温度数据缺测少于2 d, 则采用最近的气象站温度数据以及缺测前后的温差值, 人工订正补齐;否则舍弃该月该站的数据。对于异常的数据, 经过阈值检验和图示法, 将异常数据进行人工干预处理, 可以保证数据的正确性和完整性。新宾本站是国家基本气象站, 得到的温度数据既有自动站的自动观测数据又有每天人工记录的实况数据, 因此可以保证本站温度数据的正确性和完整性, 为方便研究, 以新宾本站为代表站。
1.2 研究方法
计算全市各观测站与54353站 (新宾站) 的每日温度差值, 绘制逐月全市温差图, 研究全市气温月季分布规律。
2 结果与分析
2.1 抚顺地区气温分析
通过逐年逐月对最低气温、最高气温的分布状况进行分析, 借助Matlab对数据进行处理并借助Surfer软件绘制逐年逐月气温分布图, 发现抚顺地区气温分布的月季变化比较明显, 下面以部分月为例说明抚顺地区气温分布的季节变化规律。
由图1可知, 抚顺市2月最低温度分布规律总体呈现东北—西南阶梯式分布, 且东北低西南高, 其中北部有一处低值中心, 温度差在-3.5~-3.0℃, 东部有两处低值中心, 温度差在-4.5~-4.0℃, 西部有1处高值中心, 温度差在4.0~4.5℃。
同理对其他月最低气温和最高温度进行逐月分析, 得到类似的结论, 结果如下:
(1) 抚顺地区全年的月平均日最低温度和最高温度分布趋势。冬季 (12月、1月、2月) 以及秋末 (11月) 温度总体呈现东北—西南阶梯式分布, 且东北低西南高的分布趋势, 其他三季 (春季、夏季、秋季) 温度总体趋势呈现为东—西阶梯式分布, 且东低西高的分布趋势。
(2) 月平均日最低温度分布。全年抚顺地区西部均存在1处月平均日最低气温高值区;在冬季及秋末, 东部存在2处月平均日最低气温低值区、北部存在1处月平均日最低气温低值区;在其他季节, 抚顺地区东北部均存在1处月平均日最低气温低值区。
(3) 月平均日最高温度分布。全年抚顺西部均存在1处月平均日最高气温高值区;在冬季及秋末, 东北部均存在1处月平均日最高气温低值区;其他季节, 东部和南部均零星分布着月平均日最高气温低值区 (表1) 。
2.2 等差值乡镇温度预报订正
在乡镇预报的实际工作中, 局地范围内的乡镇温度预报, 可以用代表站的预报温度来订正其他乡镇的预报温度。
2.2.1各乡镇与本站的日气温变化趋势分析。本文借助Matlab软件分别绘制自2011年1月至2014年6月得新宾县14个乡镇与新宾站本站之间的最低温度日变化趋势对比图, 发现各乡镇日温度分布趋势与新宾站的日温度分布趋势完全一致, 且升降幅度基本一致, 部分比对图如图2所示。
2.2.2温度预报准确率分析。假设各站每天的温度变化幅度与本站温度的变化幅度完全一致, 则TXS-TXS (0) =TSS-TSS (0) , 即:
式 (1) 中, TXS为新宾站预报温度, 用实况值代替;TXS (0) 为当天的实况温度;TSS为所求乡镇的预报温度;TSS (0) 为所求乡镇当日的实况温度。
利用下列公式来计算各乡镇每月温度准确率:
式 (2) 中, Σday|TSS-TSS (0) |
当TXS为实况值时, 结合公式 (1) 、 (2) 对14个乡镇分别进行计算并将计算结果绘制成曲线进行分析比较。以榆树乡为例, 从图3中可看出, 榆树乡除了2012年4月和6月的最低预报温度准确率异常偏低外, 常年每月最低温度准确率在80%以上, 其中多数常年平均每月最低温度准确率均在90%~100%;而常年每月最高温度准确率在70%以上, 其中多数常年平均每月最高温度准确率均在80%~90%。同理对其他乡镇进行同样的分析, 各乡镇常年月平均以及常年年平均温度预报准确率具体情况如表2所示。
综合分析可知:除上夹河镇的每月最低温度预报外, 常年每月最低温度预报准确率和最高温度准确率均在60%以上且大部分的月温度准确率能达到80%以上;所有乡镇在4—10月期间温度预报准确率最高, 除上夹河镇外, 准确率均在80%以上。
3 结论
分析抚顺地区逐日最低温度和最高温度分布趋势, 结合日常县级台站使用的乡镇温度预报订正方法, 提出等差值乡镇温度预报订正方法并对结果进行检验, 得到以下结论。
(1) 冬季 (12月、1月、2月) 以及秋末 (11月) 总体温度呈现东北-西南阶梯式分布, 且东北低西南高的分布趋势, 其他三季 (春季、夏季、秋季) 总体温度趋势呈现为东—西阶梯式分布, 且东低西高的分布趋势。
(2) 用等差值乡镇温度预报订正方法对新宾县15个乡镇进行温度顶针预报, 除上夹河镇的常年每月最低温度预报外, 常年每月最低温度预报准确率均在60%以上且大部分的月温度准确率能达到80%以上;所有乡镇在4—10月期间温度预报准确率最高, 准确率均在80%以上。
(3) 个别乡镇在个别月用等差值的方法进行温度预报并不适用, 因此可以寻找其他适用的温度预报方法进行补充。因此, 用等差值乡镇温度预报订正方法对该县各乡镇的每日温度预报具有一定的参考价值。
摘要：未来24 h预报是每个气象台的日常工作内容, 随着人们对天气预报的关注日益增加, 对乡镇温度预报准确率提出了更高的要求。本文结合抚顺地区87个自动气象观测站的数据及位置分布, 选取一个数据最为完整的观测站作为代表站, 绘制全市各观测站与本站的逐月温差图, 研究全市气温分布规律, 在此基础上以新宾县15个乡镇为例提出了等差值乡镇温度预报订正方法并对结果进行检验。结果表明:抚顺地区全年温度分布趋势具有明显的季节性变化;用等差值乡镇温度预报订正方法对新宾县15个乡镇进行温度预报, 发现温度准确率大部分在80%以上。
关键词：气温分布,变化趋势,等差值,预报订正,准确率,辽宁抚顺
参考文献
[1]IPCC.Climate Change 2007:Synthesis Report[R].Oslo:Intergovernmental Panel on Climate Change, 2007.
[2]丁一汇, 任国玉, 石广玉, 等.气候变化国家评估报告 (Ⅰ) :中国气候变化的历史和未来趋势[J].气候变化研究进展, 2006 (1) :3-8.
[3]李亚中, 蔡冰, 王阳, 等.2002—2011年抚顺市极端最低气温定量分析[J].现代农业科技, 2013 (6) :236-240.
[4]马骁颖, 徐群.1961—2010年抚顺地区气温变化趋势分析[J].现代农业科技, 2013 (7) :253-256.
[5]连志鸾, 李国翠, 卞韬, 等.基于多级相似-差额方法制作乡镇温度预报[J].气象, 2008, 34 (5) :113-117.