论文基于对流因子的哈尔滨雷电潜势预报分析，该文是哈尔滨方面有关毕业论文格式范文与对流因子和雷电和哈尔滨相关论文范文素材.
1引言
雷暴一般是指伴有雷击和闪电的局地对流性天气,俞小鼎等［1］通过主观临近预报和客观算法讨论了雷暴生成、发展和衰减预报技术；有很多学者基于大量的对流因子,选择各种不同的对流参数组合方案,建立了适合当地的雷暴潜势预报方程,刘宸钊等［2-3］结合对流参数,利用相关系数法选取相关性好且稳定的预报因子,进行事件概率回归,得到雷暴预报方程.郝莹等［4］利用T213资料计算和选取与雷暴相关性较好的对流参数作为预报因子,采用判别分析法和指标叠加法分别制作了雷暴潜势预报方程；斯琴等［5］利用T639数值模式产品计算物理量,选取与强对流天气相关性较好的敏感对流参数作为预报因子；陈勇伟等［6-7］基于BP神经网络模型、逻辑回归模型等方法建立客观的雷暴潜势方程.本文根据哈尔滨的地域特点,基于多对流参数分析哈尔滨地区的雷电活动情况,对于该区域的雷电活动潜势预报预测有着十分重要的意义.
2资料
本文选取的是2015-2016年5-9月的探空资料和闪电定位资料.其中探空数据来自哈尔滨探空站（50953）的8时或20时的探空观测,具体时次选取以雷电过程临近的发生时间为标准；闪电定位数据来源于ADTD闪电定位系统.
以哈尔滨地区出现的闪电数量（闪电定位仪监测到5次以上的连续记录）、分布情况（闪电分布相对集中）、雷达回波状态等为确定雷电活动样本的依据,以上述雷电活动样本选取标准,同时结合资料的完整性,例如,某天有闪电活动样本数据,但是探空资料不完整,则剔除该样本数据,2015-2016年的资料筛选出244个样本数据,其中有闪电活动的样本数据40个,无闪电活动的样本数据204个.
3对流参数与雷电活动相关性分析
根据样本数据计算得到了对流参数与雷电活动的相关系数矩阵图（图略）,首先从探空资料中提取了23个对流参数,选出6个相关性较好的对流参数,最终确定的对流参数因子为：抬升指数(0.43)、整层比湿积分(0.32)、总指数(0.32)、K指数(0.32)、强天气威胁指数(0.31)、A指数(0.29).
4雷电活动相关性分析
箱线图与柱状图、折线图等一些传统图表有一定的差异性,包含一些统计学的均值、分位数、极值等统计量,同时箱形图还有一个最大的优点不受异常值的影响,可以以一种相对稳定的方式描述数据的离散分布情况.因此,本文基于Python的Matplotlib绘图库从抬升指数、整层比湿积分、总指数、K指数、强天气威胁指数、A指数这6个对流参数出发,对2015-2016年样本数据以有无闪电过程为对照进行箱线图分析(图1)：
对2015-2016年样本数据得到的闪电过程对流参数箱线图中可以将这6个对流参数在有闪电发生和无闪电发生时进行对比,这6个参数在预报方程的建立过程中有不同的参考阈值,具体分析如下：总指数,热力稳定度指数,TT值越大越容易发生强对流天气,但预报阈值因地而异,本文样本数据分析显示,哈尔滨市主城区2015-2016年的244个样本中,发生雷电活动的TT的平均值为46.5,且当TT＞46.5时,77%发生雷电活动的样本都集中在此；然而当TT＞46.5时,有22%无雷电活动的样本集中在此.
K指数在考虑气层不稳定程度的同时也考虑了中层水汽条件,能综合反映低层垂直温度直减率、低层绝对湿度和相对湿度状况,通常情况下,K指数越大,层结越不稳定.结果显示哈尔滨市主城区2015-2016年的244个样本中,发生雷电活动的K的平均值为29,且当K＞29时,76.9%发生雷电活动的样本都集中在此；然而当K＞29时,只有15%无雷电活动的样本集中在此.
抬升指数LI是条件不稳定指数,通常其值<0时,大气层结不稳定,且负值越大,不稳定程度越大.抬升指数的统计分析结果如图1所示,抬升指数LI＜0时,发生雷电活动的比例达到90%,无雷电活动出现的比例为70%,随着LI值得降低,无雷电活动发生的比例随之减少.
强天气威胁指数主要是用于预报强雷暴天气的发生,通常情况下,发生强雷暴时的强天气威胁指数的临界值是300,但相对于普通雷暴,临界值将会比该值降低较多,结果分析显示发生雷电活动的强天气威胁指数的平均值为207,且当sweat＞206时,72%发生雷电活动的样本都集中在此；然而当sweat＞206时,只有12%无雷电活动的样本集中在此.
A指数是大气温湿类参数,反映中高层大气状态的物理量指数,根据历史经验,A在暴雨预报中具有一定的作用,对于不同类型的强对流天气,预报阈值略有不同,特别是对雷雨天气预报具有较好的指示作用.从图1中可以看到,70.9%的雷电活动发生在A＞5时,而该阈值范围内无雷电活动的比例是21.8%,且随着A值增大,无雷电活动的占比也随之降低.
整层比湿积分IQ是指从地面直到大气顶的比湿的积分,它与雷暴概率有一定的线性关系,当IQ增大时,发生雷电的概率增大.分析显示发生雷电活动的IQ的平均值为3233,且当IQ＞3233时,72%发生雷电活动的样本都集中在此；然而当IQ＞3233时,只有12%无雷电活动的样本集中在此.
5雷电预报方程建立和回代
本文选取了2015-2016年的244个样本数据,通过计算分析得到抬升指数、整层比湿积分、总指数、K指数、强天气威胁指数、A指数这6个对流参数的参考阈值,实现逻辑回归,通过Python的stateodels工具包运算后,可以看到模型的系数coef,系数的方差的平方根,置信区间,以及拟合的效果与质量等,结合逻辑回归计算结果（表1）,建立预报方程,其中将是否有雷电天气作为预报量,得到二分变量逻辑回归预报方程logit(p)：
通过上述建立的预报方程对2015-2016年的样本数据进行回代分析,经过统计分析得到,logit(p)＞0.5为阈值预测哈尔滨市未来24h有无雷电活动,因样本数据中发生雷电数据较非雷电数据少,对预报方程的建立与回代有不利因素,后期可利用更多样本数据进行分析.
参考文献
[1]俞小鼎,周小刚,王秀明.雷暴与强对流临近天气预报技术进展[J].气象学报,2012,70(3):311-337.
[2]刘宸钊,卓伟,裴军林.基于对流参数的雷暴预报方法研究[J].高原山地气象研究,2010,30(2):22-25.
[3]樊李苗,俞小鼎.中国短时强雷暴天气的若干环境参数特征分析[J].高原气象,2013,32(1):156-165.
[4]郝莹,姚叶青,陈焱,等.基于对流参数的雷暴潜势预报研究[J].气象,2007,33(1):51－56.
[5]斯琴,王佳津,荀学义,等.基于T639对流参数的内蒙古强对流天气潜势预报方法初探[J].干旱气象,2016,34(5):906－911.
[6]梁巧倩,蒙伟光,林良勋,等.基于逻辑回归模型的雷电潜势预报方法[J].广东气象,2011,33(4):44-46.
[7]陈勇伟,郑涛,王汉堃,等.基于BP神经网络模型的雷电潜势预报[J].干旱气象,2013,31(3):595-601.
结论，本文是关于对不知道怎么写对流因子和雷电和哈尔滨论文范文课题研究的大学硕士、哈尔滨本科毕业论文哈尔滨论文开题报告范文和文献综述及职称论文的作为参考文献资料.
参考文献：
1、 一带一路背景下哈尔滨打造对俄合作中心城市 摘要“一带一路”实施以来,哈尔滨作为节点上的城市主动融入是哈尔滨对外开放的主要内容 同时,国家批准哈尔滨为对俄合作中心城市,又使哈尔滨在对外开放方面站在新的起点上 如何把哈尔滨.
2、 小姑娘告倒哈尔滨铁路局 2017年6月9日,刚刚考入大学的小李乘坐K1301次列车,在车厢内闻到了刺鼻烟味 虽然乘客是在抽烟区吸烟,但整个车厢都是烟味,让她特别不舒服 小李认为,火车上的安全须知写明了“禁止在列车.
3、 这个城市很文艺哈尔滨大剧院5月演出推荐 5月5日6日 1900 歌剧厅上海话剧艺术中心原创话剧家客5月6日 1400 小剧场童年情景——罗马尼亚钢琴家阿西娅,玛里内斯库独奏音乐会5月11日 1900 小剧.
4、 红寺堡酿酒葡萄冬季根系冻害分析与土壤温度预报 摘 要本文利用同心气象站2004—2015年冬季（12月翌年2月）0、5、10、15、20、40 cm逐日平均地温和日最低气温、日平均气温资料,对地温、气温相关关系进行分析,用线性回归建立.
5、 基于教学参考书统计分析的重点学科文献资源建设木一以哈尔滨工程大学水声工程学院为例 关键词教学参考书；文献资源建设；重点学科；高校图书馆摘要文章以哈尔滨工程大学水声工程学院为例,对中英文教参书的数量、载体类型、重点教参书、类别、年代、出版社及馆藏保障情况……数据进行了统计分析,提出了.