In this present work, an attempt has been made to analyze various thunderstorm-related parameters and their influence over the two stations Visakhapatnam (VSK) and Machilipatnam (MTM). The thunderstorm-related parameters used in the present study are convective available potential energy (CAPE), lifted index, K-index, total totals index (TTI), humidity index, convective inhibition, thunderstorm prediction index (TPI), deep convective index (DCI) and updraft vertical velocity. This analysis was carried out using NCEP NCAR reanalysis monthly data for the time period from 1948 to 2012. These parameters have given good guidance for studying the thunderstorm event. We also analyzed IMD thunderstorm occurrence days reported at two stations, i.e., VSK and MTM with NCEP NCAR (daily data) calculated CAPE, TTI, TPI and DCI parameter threshold days in pre-monsoon season for every year during the time period 2010 to 2019. Out of those four parameters, TTI has shown good correlation with the IMD recorded days. So we have attempted the prediction of thunderstorms using artificial neural network (ANN) and auto-regressive moving average (ARMA) techniques for TTI parameter. While using these techniques, we have experimented in three training sets, i.e., 90%, 80% and 70%. Another attempt has been made to assess the skill of ARMA and ANN techniques in forecasting the occurrence of thunderstorm activity at VSK and MTM stations. The present study suggests that ANN has high skill than ARMA. From this study, we can understand that VSK has more chances for thunderstorms than MTM.

中文翻译：

---

印度Visakhapatnam和Machilipatnam的雷暴相关参数的长期分析

在本工作中，已尝试分析与雷暴有关的各种参数及其对两个站点Visakhapatnam（VSK）和Machilipatnam（MTM）的影响。在本研究中使用的与雷暴相关的参数是对流有效势能（CAPE），提升指数，K指数，总总指数（TTI），湿度指数，对流抑制，雷暴预报指数（TPI），深对流指数（ DCI）和垂直上升速度。使用1948年至2012年期间的NCEP NCAR再分析月度数据进行了此项分析。这些参数为研究雷暴事件提供了很好的指导。我们还分析了两个站点报告的IMD雷暴发生天数，即使用NCEP NCAR（每日数据）计算的CAPE，TTI，VSK和MTM 在2010年至2019年期间，每年的季风季节之前的TPI和DCI参数阈值天数。在这四个参数中，TTI与IMD记录的天数显示出良好的相关性。因此，我们尝试使用人工神经网络（ANN）和自回归移动平均（ARMA）技术对TTI参数进行雷暴预测。使用这些技术时，我们已经进行了三个训练集的实验，即90％，80％和70％。进行了另一项尝试，以评估ARMA和ANN技术在预测VSK和MTM站雷暴活动发生时的技能。本研究表明，人工神经网络比ARMA具有更高的技能。从这项研究中，我们可以了解到VSK比MTM有更多的雷暴机会。在这四个参数中，TTI与IMD记录的天数显示出良好的相关性。因此，我们尝试使用人工神经网络（ANN）和自回归移动平均（ARMA）技术对TTI参数进行雷暴预测。使用这些技术时，我们进行了三个训练集的实验，即90％，80％和70％。在评估VSK和MTM站雷暴活动的发生率方面，还进行了另一项尝试以评估ARMA和ANN技术的技能。本研究表明，人工神经网络比ARMA具有更高的技能。从这项研究中，我们可以了解到VSK比MTM有更多的雷暴机会。在这四个参数中，TTI与IMD记录的天数显示出良好的相关性。因此，我们尝试使用人工神经网络（ANN）和自回归移动平均（ARMA）技术对TTI参数进行雷暴预测。使用这些技术时，我们已经进行了三个训练集的实验，即90％，80％和70％。在评估VSK和MTM站雷暴活动的发生率方面，还进行了另一项尝试以评估ARMA和ANN技术的技能。本研究表明，人工神经网络比ARMA具有更高的技能。从这项研究中，我们可以了解到VSK比MTM有更多的雷暴机会。因此，我们尝试使用人工神经网络（ANN）和自回归移动平均（ARMA）技术对TTI参数进行雷暴预测。使用这些技术时，我们进行了三个训练集的实验，即90％，80％和70％。在评估VSK和MTM站雷暴活动的发生率方面，还进行了另一项尝试以评估ARMA和ANN技术的技能。本研究表明，人工神经网络比ARMA具有更高的技能。从这项研究中，我们可以了解到VSK比MTM有更多的雷暴机会。因此，我们尝试使用人工神经网络（ANN）和自回归移动平均（ARMA）技术对TTI参数进行雷暴预测。使用这些技术时，我们已经进行了三个训练集的实验，即90％，80％和70％。在评估VSK和MTM站雷暴活动的发生率方面，还进行了另一项尝试以评估ARMA和ANN技术的技能。本研究表明，人工神经网络比ARMA具有更高的技能。从这项研究中，我们可以了解到VSK比MTM有更多的雷暴机会。本研究表明，人工神经网络比ARMA具有更高的技能。从这项研究中，我们可以了解到VSK比MTM有更多的雷暴机会。本研究表明，人工神经网络比ARMA具有更高的技能。从这项研究中，我们可以了解到VSK比MTM有更多的雷暴机会。