用多因子综合相关法制作天气预报

应用“多因子综合相关法”预报天气能够综合多方面的因素对于预报对象的影响,并可制作逐日预报,是一种比较客观和适用的方法。下面是我们使用该方法的一些体会。一、关于如何选取预报因子从大量的预报因子中筛选出与预报对象相关性好的、互相独立的多个因子,是应用此方法的基础,应注意以下两点:     

地方MOS数据集及应用程序包的建立方法介绍

一、前言 “MOS”方法是通过数值预报量与实际预报量的统计关系而作出的一种客观的、定量的预报方法,其预报效果决定于预报因子的挑选和预报数学模型的构造。但在大量的数值预报要素场且有众多的预报对象的情况下,要迅速地、客观地选择出与预报对象相关密切的因子,建立出预报方程,必须利用电子计算机来完成。然而,目前国内电子     

一种新的多因子综合预报方法及其预测能力评估

利用 EOF分析浓缩大范围场内大气环流主要信息 ,经过异常相关处理 ,选取达到高信度( 0 .0 0 1信度 )要求的一定数目的预报因子 ,研制出了一种新的多因子综合预报方法 .通过对1 993～ 1 998年连续 6年的年、季时间尺度中国降水和中国气温预报能力评估 ,表明多因子综合预报方法预报效果比较稳定 ,预测能力较强 ,尤其是对夏季 ( 6～ 8月 )关键地区旱涝灾害的预报 ,准确率比较高 .     

几种“0、1”型因子筛选方法的比较

MOS 等统计预报效果的好坏与因子选择的关系甚为密切,而选因子方法种类繁多,不免使人眼花瞭乱。因此很有必要对各种因子的筛选方法进行比较,作出评价。由于 MOS 预报大量处理的是二值问题,如晴雨、有无大风、暴雨等。故本文仅对“0、1”型因子筛选方法进行讨论,且认为相关系数法选因子比较好。从而,分别对其它几种简易“0、1”型因子筛选方法与相关系数法作出比较。     

聚类分析和数量化方法在台风路径预报中的应用

一、引言聚类分析(Cluster analysis)是数理统计中研究物以类聚的一种方法,它的主要目的是研究事物的分类,在气象上由于各种环流形势非常复杂,仅仅凭经验来判断分类往往是不够的,如果用聚类分析把历史台风样本按照一定的标准客观地分成几类,则既可以“分类归纳出各种客观予报方法,又可以把各个型作为一个“质”的因子,然后通过数量化处理转化成“量”的因子,参加到预报方程中去,本文采用后一种方案,重点在改进预报因子,首先选择反映西风带和付高特征的有关因子,作为聚类分析的标准,然后,使分类因子数量化,同时结合其他数量因子,进行逐步迴归,建立预报方程,初步的试验结果表明,在台风路径的客观预报中,引用聚类分析是有效的,它能够把予报员的实践经验定量的反映到客观予报的模式中去。     

预报青岛9—11月降水的“MOS”方法

一、基本思路 根据天气学原理和预报员的经验进行天气分型,每型下由数值预报输出产品、天气实况资料选取预报因子,并利用点聚图、多因子组合做“线性化”处理,进而建立“MOS”预报方程。这是把天气学方法,数值预报(其中包括完全预报和“MOS”预报)、人的经验结合起来,取各方之长,融为一体的方法。     

浙北春季强冷空气预报方法

目前,对春季(3～4月)强冷空气预报,定量的方法尚不多见。本文提出浙北春季强冷空气标准,并对历史上出现的强冷空气进行普查,应用省暴雨课题组提供的“气象专家学习系统”(MELES),给出一组春季强冷空气的客观预报规则。一、预报因子的选取及规则形成     

应用多判据综合评价、提取预报因子的潜在信息

为了改善对预报因子潜在信息的评价和提取,本文试验了多种判据综合评价、提取预报信息,提高预报精度。具体方法是,计算从各个方面反映预报信息的五个单一判据的加权平均,作为综合评价、提取预报因子潜在信息的客观量度。实例应用表明,无论对单个预报因子或多个预报因子,综合判据比单一判据明显优越,它能克服通常单一判据的局限性,比较全面、客观地评价、提取预报信息,提高预报准确率。     

安顺市夏季降水分级分县MOS预报试验

利用T106格点场资料,通过因子组合、相关分析等手段,构造与本地降水关系密切、有明确物理意义的、能反映本地天气系统的动力结构和发展机制的结构特征因子,预报因子和预报量均采用非线性0,1化处理。用MOS预报方法,建立安顺6县(市)的降水分级预报方程。系统从资料采集到结果输出均在微机上实现全自动化,预报结果客观、定量。     

利用PC-1500机实现单站台风预报半自动化的尝试

一、引言 近年来,在运用电子计算机技术制作各种天气预报方面,获得了可喜的成绩。与此同时。对于如何将各种具体预报方法应用于日常预报过程中,尤其是对那些方法较系统、复杂,因子考虑详细,处理技术细致,运算较繁多的预报方法,尽可能地实现自动化或半自动化处理,预报员们寄于了极大的希望。为此,我们根据本站“盛夏一夏秋过渡季节24小时台风预报方法”(以下简称“预报方法”)编制了程序,初步实现了单站台风预报的半自动化。     

BP神经网络和支持向量机在紫外线预报中的应用

为了提高紫外线预报准确率,应用BP(Back Propagation Learning Algorithm)神经网络模型和支持向量机(Support Vector Machines,简称SVM)回归方法建立重庆市主城区紫外线辐射强度客观预报模型。统计相关分析结果显示,不同季节影响紫外线辐射强度的主要因素并不相同。对所有相关分析因子用逐步回归方法,按方差贡献大小筛选出预报因子,以每日紫外线平均辐射量为预报对象,分季节建立预报模型。比较用不同方法建立的预报模型发现,两种非线性模型(BP模型和SVM模型)的拟合能力优于线性逐步回归模型,但独立样本检验结果表明,3种模型的预报准确率基本相当。将3种方法所建预报模型应用T213数值预报资料进行业务试报,得到较好预报效果。     

统计预测方法的试验比较

通过相关系数选出预报因子,用逐步回归、最优子集回归、EOF降维逐步回归、神经网络等统计预报方法对预报对象进行逐年交叉检验以及实际预报检验,检测预报因子对原预报序列的预报能力。同时通过计算每种方法的平均绝对误差和实际预报检验的平均误差,客观地对各种预报方法进行既有纵向也有横向的较为全面的比较。     

我国数值预报产品地方释用的发展特点

在介绍我国地方MOS预报研究主要研究成果基础上,论述了我国数值预报产品地方释用的发展特点。这些特点是,(1)充分利用预报经验,分类建立预报方程。指出预报经验的用武之地在于对因子的选择和预报的处理。(2)走综合化道路,即方法、资料和结果的综合。(3)了解模式性能,并进行订正。根据预报员对模式预报误差的认识和预报经验进行主观或客观的订正。(4)注意MOS方法对数值模式更新的适应性。(5)重视因子的选择,注意非同期因子的利用。(6)各级台站发挥自己的优势。最后展望了发展前景。     

ECMWF产品逐日降水客观预报业务系统

选用ECMWF格点场资料,用差分法、天气诊断、因子组合等方法构造能反映本地天气动力学特征的预报因子库,对预报因子和预报量进行线性（0,1）标准化处理,采用PRESS准则初选因子,用最优子集回归建立0~120 h降水预报方程,用多因子概率权重回归预测其降水概率。预报系统投入业务应用,检验证明预报效果较好,提供了有效的地市级客观预报指导产品。业务系统与MICAPS对接,实现全自动化,输出的预报产品客观、定量。     

OLR资料在ENSO监测中的应用

通过对1988—1997年十年中冷空气造成的广东沿海强东北季风过程的统计研究，挑选出多个与强东北季风相关程度较高的因子作最优因子组合，分月份、分时次共设计了24条概率预报方程，从而建立起冬春季强东北季风概率预报方法。因子结构合理，处理技术科学，所有计算过程完全客观定量：预报检验和业务试验表明，该方法的预报结果效果良好，有较高的应用参考价值。     

统计预测方法的试验比较

通过相关系数选出预报因子后,用逐步回归、最优子集回归、EOF降维逐步回归、神经网络等统计预报方法对预报对象进行逐年交叉检验以及实际预报检验,检测预报因子对原预报序列的预报能力。同时通过计算每种方法的平均绝对误差和实际预报检验的平均误差,客观地对各种预报方法进行既有纵向也有横向的较为全面的比较。     

统计预测方法的试验比较

通过相关系数选出预报因子后，用逐步回归、最优子集回归、EOF降维逐步回归、神经网络等统计预报方法对预报对象进行逐年交叉检验以及实际预报检验，检测预报因子对原预报序列的预报能力。同时通过计算每种方法的平均绝对误差和实际预报检验的平均误差，客观地对各种预报方法进行既有纵向也有横向的较为全面的比较。     

基于NCEP/GFS资料的中国东部地区雷暴预报研究

基于来自美国国家环境预测中心(NCEP)的GFS(Global Forecasting System)分析及预报场资料,将多个能够表征雷暴发生动力、热力环境的对流因子作为预报因子,通过费希尔判别准则及逐个引入因子法,建立集合多个对流参数的雷暴预报模型,从而进行较长时效(12—24 h)的区域性雷暴预报。依据临界成功指数(CSI)最高的原则,建立最优预报模型,不同地区所选用的对流参数不同,雷暴模型预报雷暴发生与否的临界值也不同,从而不仅能够得到较好的集合多个对流参数的雷暴区域性预报,还能充分考虑不同地区雷暴发生的地域性特点和气候背景。将建立的预报方法应用于2012年6和9月的两次强对流过程的预报,发现雷暴预报模型较好地预报出两次过程的雷暴落区。进一步,为了能够在强天气预报中客观有效地区分出雷暴与暴雨区,引入集合动力因子暴雨预报方法。集合动力因子暴雨预报方法在诊断和追踪强降水的发展演变中表现凸出,而集合对流参数雷暴预报方法则对包含短时强降水、冰雹、大风等在内的对流性天气有较好反映,综合两套预报方法各自的优势,建立了集成动力因子-对流参数强天气预报方法,用于降水和雷暴的预报,同时对雷暴加降水型、雷暴无降水型、降水无雷暴型等强天气进行区分预报。对中国多个典型城市的预报效果分析发现,该方法不仅能够较好地预报出较长时效(24 h)的雷暴和降水落区,对区分降水雷暴、无降水雷暴和无雷暴降水也表现出一定的能力。     

基于ECMWF细网格产品的吉林省东南部冬季气温BP-MOS预报方法

基于ECMWF细网格模式输出产品和BP神经网络预报方法建立一种优化的BP模型,对吉林省东南部山区(白山地区、通化地区)未来24h的日最高和最低气温进行预测,并对比该方法、ECMWF细网格的2m温度输出产品以及线性MOS方法的预报效果.结果表明:在建立预报方法时,考虑预报因子对气温影响的累积过程,并对其进行优化处理,有利于提高预报水平;通过比较各预报方法的预报准确率(TT)、系统偏差(MBE)、平均绝对误差(MAE),最终得出对预报因子进行优化处理的BP神经网络法预报效果最好.     

吉林省暴雨客观预报业务系统应用效果检验分析

本文依托气象行业专项GYHY200906011“华北、东北暴雨发生发展特点及预报技术研究”项目及相关课题研制的“多模式变权集成预报业务系统”和“吉林省暴雨物理量诊断客观集成预报业务系统”,对2010年-2012年6—8月、2013年6—7月的区域暴雨过程预报进行了检验分析,结果表明：两系统对暴雨预报均有较好的指示意义,其中“多模式变权集成预报业务系统”空报率较低,“吉林省暴雨物理量诊断及客观集成预报业务系统”漏报率较低。从暴雨的影响系统来看,两种客观的暴雨预报方法对台风暴雨预报效果最好,副高后部暴雨次之,冷涡暴雨预报误差与前两系统相比稍差些。