| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-20页 |
| ·中尺度模式MM5本地化模拟实验及应用研究的必要性 | 第11-12页 |
| ·国内外中尺度数值预报模式MM5研究与应用概况 | 第12-18页 |
| ·MM5模式的介绍、使用方法及适用性研究 | 第12-13页 |
| ·MM5不同对流参数化方案及陆面过程的选择与比较等方面的研究 | 第13-14页 |
| ·MM5对各种尺度天气系统的数值模拟研究 | 第14页 |
| ·MM5应用于气候系统和中低纬环流相互影响的数值模拟研究 | 第14-15页 |
| ·GPS、卫星、多普勒雷达、加密观测等资料在MM5模式中的同化与应用 | 第15页 |
| ·利用MM5模式对沙尘暴、臭氧、持续高温天气等方面进行的研究 | 第15-16页 |
| ·利用MM5模式构建中尺度预报业务系统试验研究 | 第16页 |
| ·MM5模式在人工影响天气及云物理分析方面的应用研究 | 第16-17页 |
| ·MM5模式在海洋预报、水利、地质等方面的应用研究 | 第17页 |
| ·MM5模式在局地气候研究中的应用 | 第17页 |
| ·MM5模式输出产品的解释应用研究 | 第17-18页 |
| ·中尺度数值模式MM5本地化模拟试验及应用研究中的一些主要内容和创新 | 第18-20页 |
| 第二章 MM5模式、运行环境及资料 | 第20-23页 |
| ·国内外中尺度数值预报模式概况及MM5模式简单介绍 | 第20-21页 |
| ·中尺度数值模式MM5运行环境 | 第21页 |
| ·硬件环境 | 第21页 |
| ·软件环境 | 第21页 |
| ·资料及方法 | 第21-23页 |
| 第三章 不同对流参数化方案对MM5模式模拟结果的影响 | 第23-33页 |
| ·概述 | 第23页 |
| ·研究个例简介 | 第23-25页 |
| ·模式设置及对流参数化方案简介 | 第25页 |
| ·非静力MM5模式3.6的设置 | 第25页 |
| ·对流参数化方案简介 | 第25页 |
| ·方案1:AK方案 | 第25页 |
| ·方案2:Grell方案 | 第25页 |
| ·方案3:KF方案 | 第25页 |
| ·方案4:BM方案 | 第25页 |
| ·对流参数化方案对MM5模式模拟结果的影响 | 第25-30页 |
| ·不同积云对流参数化方案对MM5模式模拟降水结果的影响 | 第27页 |
| ·不同积云对流参数化方案对MM5模式模拟高空风场结果的影响 | 第27页 |
| ·不同积云对流参数化方案对MM5模式模拟垂直速度的影响 | 第27页 |
| ·不同积云对流参数化方案对MM5模式模拟涡度场的影响 | 第27-28页 |
| ·不同积云对流参数化方案对MM5模式模拟假相当位温的影响 | 第28-30页 |
| ·MM5模式模拟结果的检验 | 第30-31页 |
| ·检验方法 | 第30页 |
| ·检验结果 | 第30-31页 |
| ·不同对流参数化方案对MM5模拟结果影响小结 | 第31-33页 |
| 第四章 初始场对MM5中尺度数值模式模拟黄淮气旋过程的影响 | 第33-40页 |
| ·MM5模式参数设置及资料说明 | 第33-35页 |
| ·黄淮气旋的定义及个例介绍 | 第33页 |
| ·资料说明 | 第33-34页 |
| ·模式设置 | 第34页 |
| ·模拟方法 | 第34-35页 |
| ·不同初始场的对比分析 | 第35页 |
| ·两种初始场下MM5对黄淮气旋模拟结果的比较 | 第35-38页 |
| ·不同初始场下MM5模拟的黄淮气旋中心路径和实况气旋中心路径的比较 | 第35-36页 |
| ·不同初始场下MM5模拟的黄淮气旋降水与实况的比较 | 第36-38页 |
| ·两种初值场下MM5对黄淮气旋模拟影响小结 | 第38-40页 |
| 第五章 MM5中尺度预报模式利用不同初始场模拟黄淮气旋结果的集成 | 第40-48页 |
| ·人工智能神经元网络方法介绍 | 第40-41页 |
| ·描述问题 | 第41页 |
| ·设计神经元网络 | 第41页 |
| ·利用神经网络集成MM5模拟的黄淮气旋中心位置、中心强度 | 第41页 |
| ·两种初始场下MM5模拟的黄淮气旋位置与强度集成 | 第41-46页 |
| ·不同初始场下MM5模拟的黄淮气旋位置及强度和实况的比较 | 第42页 |
| ·利用人工智能神经元网络集成两种初始场下MM5模拟的黄淮气旋结果 | 第42-46页 |
| ·利用线性神经元网络集成MM5模拟的黄淮气旋中心位置和中心强度预报 | 第42-43页 |
| ·一个线性神经元网络集成MM5模拟的黄淮气旋中心位置和中心强度预报 | 第43-44页 |
| ·线性人工智能神经元网络的改进 | 第44-46页 |
| ·三种神经元网络集成结果误差的统计分析 | 第46页 |
| ·神经元网络集成试验小结 | 第46-48页 |
| 第六章 在MICAPS2.3下显示MM5模式输出场的方法研究 | 第48-52页 |
| ·MM5显示模块对输出物理量场的处理及数据格式分析 | 第48-49页 |
| ·MM5模式对输出物理量场的处理 | 第48页 |
| ·MM5输出物理量场显示数据的格式分析 | 第48-49页 |
| ·MICAPS2.0第四类数据格式分析 | 第49页 |
| ·在MICAPS2.0下显示MM5预报场的实现 | 第49-51页 |
| ·在MICAPS2.0下显示MM5预报场注意事项 | 第49-50页 |
| ·在MICAPS2.0下显示MM5预报场的实现 | 第50-51页 |
| ·在MICAPS2.0下显示MM5预报场的小结 | 第51-52页 |
| 第七章 利用MM5模式输出制作空气质量预报的方法探讨 | 第52-59页 |
| ·概述 | 第52页 |
| ·资料及相关说明 | 第52-53页 |
| ·用逐步回归方法制作空气污染物浓度预报 | 第53-54页 |
| ·用卡尔曼滤波方法制作空气污染物浓制作空气污染物浓度预报 | 第54-57页 |
| ·卡尔曼滤波简介 | 第54-55页 |
| ·预报因子的确定 | 第55-56页 |
| ·预报模式的建立 | 第56-57页 |
| ·逐步回归方法和卡尔曼滤波方法的比较 | 第57页 |
| ·用卡尔曼滤波方法试报空气质量的得分评定 | 第57-58页 |
| ·结论 | 第58-59页 |
| 第八章 结论与讨论 | 第59-61页 |
| ·本研究的主要结论 | 第59-60页 |
| ·问题及讨论 | 第60-61页 |
| 参考文献 | 第61-69页 |
| 在学期间研究成果 | 第69-71页 |
| 致谢 | 第71页 |
