BP神经网络在估算模式非系统性预报误差中的应用

基于数值天气预报误差在时间上的相依性,采用BP神经网络方法建立预测数值模式非系统性预报误差的模型,并利用2003-2007年T213模式分析场和24 h高度预报场资料验证了该模型的预测能力,结果表明:所建立的3层BP神经网络模型对未来24 h的非系统性预报误差有较好的预估能力,对大多数样本而言所估测的非系统性预报误差的分布特征和其真值较为一致。BP神经网络模型估测的非系统性预报误差可以在系统性预报误差订正的基础上进一步对预报做出修正,其订正效果好于仅进行系统性预报误差订正的效果。     

一个ENSO动力-相似误差订正模式及其后报初检验

为有效利用历史资料中的相似信息,减小模式误差对ENSO这类跨季节-年际尺度预测问题的影响提高动力模式的预测水平.作者利用一种基于统计相似的模式误差订正方法,以国家气候中心简化海气耦合模式为平台建立了相应的动力-相似误差订正(DAEC)模式,并着重探讨了系统相似程度(全相似或部分相似)、误差重估周期以及相似样本个数等因素对预报效果的影响.结果表明,利用该方法可以有效地改善原有模式的预报性能,其中 "全相似" 比 "部分相似" 更能反映海气耦合系统的相似程度,从而对模式误差做出更为准确的估计,使预报误差明显减小.海洋和大气的误差重估周期对结果也有较大影响,在不同相似程度下分别存在着某种最优配置使得预报效果达到最佳.另外,在对相似样本存在状况及影响的研究中则发现在当前资料长度内整体上只存在着有限个相似样本,在此范围内随着样本取样数目的增加DAEC模式的预报性能逐渐提高.     

T213全球集合预报系统性误差订正研究

针对模式系统性误差一直存在的现状,研究使用卡尔曼滤波的自适应误差订正方法对国家气象中心业务全球集合预报系统的系统性误差进行估计和订正.本文主要介绍这种方法及其原理,其优点是需要的样本量比较小,能够快速经济地对模式产品进行有效的误差估计和订正.使用这种方法对全球T213集合预报系统500 hPa高度场、850 hPa温度场和2 m温度的预报产品进行一阶偏差订正,对订正前后集合预报产品进行检验分析和对比,结果表明,订正后的高层形势场集合预报和2 m温度集合预报的均一性、集合平均的均方根误差和距平相关系数都得到了改善,系统性偏差得到了不同程度的订正,对于存在较大系统性误差的2 m温度预报,订正效果尤其显著.     

长江中下游汛期降水优化多因子组合客观定量化预测研究

针对长江中下游区域汛期降水模式预报误差,利用历史资料的有用信息订正模式预报误差.根据国家气候中心预测室提供的74项环流特征量和美国国家海洋和大气管理局发布的40项气候指数,确定降水预报误差场的相似年份,利用相似年的降水误差场对模式结果进行相似误差订正,有别于传统的模式系统误差订正.研究发现,相似误差订正效果明显优于系统...     

最优多因子动态配置的东北汛期降水相似动力预报试验

基于中国气象局国家气候中心季节预报业务模式27a(1983—2009年)预报结果和同期美国气候预报中心组合降水分析(CMAP)资料及国家气候中心气候系统诊断预报室74项环流指数和NOAA40个气候指数(1951—2009年),提出了客观定量化的最优多因子动态配置汛期降水相似-动力预测新技术,并对中国东北地区汛期降水进行了预报试验。利用历史资料有用信息估算模式预报误差原理,选取4个历史相似年对应模式误差来估算当前模式预报误差。通过单因子交叉检验距平相关系数确定主导因子及演化相似因子,结合当前及前期优化多因子组合配置确定预报因子集,最后利用历史相似年对应模式误差来估算当前模式预报误差并订正国家气候中心季节预报业务模式的预报结果,得到预报的汛期降水。对2005—2009年进行独立样本检验的结果表明,此技术对中国东北地区汛期降水有一定预报技巧。证实了利用历史资料估计业务模式预报误差的另类途径是可行的,显示了在业务预报应用中的潜在能力。     

基于DERF2.0的华南前汛期降水订正

针对我国华南前汛期（4—6月）降水,基于国家气候中心第2代月动力延伸模式（DERF2.0）结果,利用非参数百分位映射方法将模式预测结果转化为概率预报,并进行概率订正。分别选用交叉建模与独立样本建模两种订正方法,并利用偏差、偏差百分率、时间相关系数、均方根误差等统计方法检验订正效果。结果表明:订正方法对预报技巧的改善与起报时间无显著相关,且具有误差稳定性,其订正效果受预报误差影响较小;与订正前模式预测降水落区的范围和平均强度相比,订正后结果与观测更接近;按百分位区间统计的不同强度降水订正预报均有明显改进;预测时段的订正效果与回报时段的订正效果基本一致。     

长江中下游汛期降水数值预报业务模式误差场预报研究

根据中国国家气候中心(NCC)数值预报业务模式(ONPM)预报结果,利用气候因子对业务模式的误差场进行预报试验。文中所用114项逐月气候因子在历年汛期前期总会出现部分因子异常的状况,在此基础上对因子异常的相似阈值进行数值试验,提出利用交叉检验平均距平相关系数(ACC)的大小来确定相似阈值的方法。依此选择影响该区域的前期关键异常因子,根据该部分因子的相似程度选取相似年,同时对模式误差场利用经验正交函数压缩维度,用前3个主分量对模式误差制作预报,针对业务模式的预报误差场,提出了根据因子异常挑选相似和压缩维度的一个预报方法。2005—2009年独立样本回报结果表明,该方法可以将5a平均距平相关系数由系统误差订正的0.22提高到0.47,具有较好的业务应用价值。     

GRAPES全球模式的误差评估和订正

以欧洲中期预报中心的ERA-interim再分析资料为参考,对GRAPES全球模式的数值预报结果误差进行了评估,并运用基于历史资料的模式距平积分订正（ANO）方法,对数值预报结果进行了订正试验,检验了ANO方法对GRAPES模式全球中期天气预报的订正改进效果。对1984~2014逐年7月15~24日10天的预报结果订正前后对比分析表明,ANO方法对不同区域位势高度、温度等要素预报订正效果明显,31个个例200 hPa位势高度一周预报距平相关系数平均提高0.05、均方根误差减少12 gpm。其它各层误差订正也显示类似结果,验证了ANO方法对提高GRAPES全球模式10天数值天气预报技巧的有效性,并与MOS（Model Output Statistics）方法对比,更便利、更经济,具有更好的可操作性以及业务预报应用能力。     

2013年华中区域中尺度业务数值预报的客观检验

应用国家气象中心模式检验方法,对华中区域中尺度业务数值预报模式WRF和中国气象局下发的GRAPES模式2013年1-12月的预报产品（包括降水、2 m温度场、850 hPa温度场、850 hPa风场和500 hPa位势高度场预报）进行统计检验。检验结果表明：所有要素24 h预报均优于48 h;对于晴雨预报,GRAPES模式TS评分高于WRF,但随着降水量级增大,WRF的TS评分基本都高于GRAPES,同时WRF降水预报范围明显偏大;分析2 m温度场的均方根误差及预报准确率发现,WRF的2 m温度场预报优于GRAPES,且暖季预报优于冷季;形势场要素分析表明,WRF对850 hPa温度场和风场预报具有相当大的优势,全年误差变化较稳定,而对500 hPa位势高度场的预报误差存在一定的季节性特征,即夏半年WRF高度场预报优于冬半年,GRAPES模式则相反。总体上,华中区域中尺度业务数值模式产品对天气预报具有一定的参考价值。     

基于MET系统对SWCWARMS及GRAPES模式在西南地区的站点检验分析

应用国家基本观测站资料、自动站逐时降水资料,基于客观统计检验方法,针对降水(12h、24h累积雨量)、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2015年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式降水ETS评分高于GRAPES模式,除24h小雨外SWCWARMS模式偏差值均高于GRAPES模式,两个模式在不同预报时效内对中雨、大雨、暴雨都表现一定程度的空报;(2)12h降水分段评分上,SWCWARMS模式TS评分均高于GRAPES模式,但SWCWARMS模式预报降水范围过大,随着预报时效增长空报多于GRAPES模式;SWCWARMS模式中雨和大雨空报大于其它量级降水,GRAPES模式对大暴雨漏报较多其它量级降水表现为空报;(3)两模式对高度场和温度场预报优于风场,对对流层中层预报优于中低层,SWCWARMS模式对高度场和温度场预报优于GRAPES模式,夏半年SWCWARMS模式均方根误差小于GRAPES模式;(4)两模式都表现出2m温度均方根误差在秋季增加而春季减小这一特征,SWCWARMS模式近地面要素均方根误差均小于GRAPES模式。      

一种2 m温度误差订正方法在复杂地形区数值预报中的应用

利用模式三维预报变量,结合地面要素预报产品,采用2 m温度三维插值方法进行地形订正,以确保预报与观测三维空间上的一致性,在地形订正基础上,利用历史月均预报误差作为参考误差,剔除模式系统性误差,获取具备日变化特征的预报产品。基于陕西地区复杂地形条件下的典型观测站点,利用2016年8月28日48 h预报个例进行对比分析发现,三维插值方法有效改善了地形差异引起的评估误导问题,但无法改进模式预报的日变化趋势,进一步采用系统性误差订正后,日变化特征明显改善,特别是前24 h预报效果体现出与实况良好的一致性及更佳的预报技巧。通过2016年夏季统计评估表明,误差订正后的2 m温度预报产品有效改善了周期性误差振荡,均方根误差稳定在2 K左右,显示出明显的改进优势。     

SWCWARMS模式对西南区域预报能力的检验

应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水、近地面要素(2m温度、10m风)和高空要素(风场、温度场、高度场),分别评估SWCWARMS模式和GRAPES模式对2016年西南地区预报能力,得到如下几点结论:(1)SWCWARMS模式在中雨至暴雨预报上优于GRAPES模式,24h小雨和大暴雨、48h大暴雨预报较GRAPES模式偏差,同时SWCWARMS模式存在空报较多的问题;(2)SWCWARMS模式预报2米温度以低于实况为主,10m风速在秋冬季节以大于实况为主,SWCWARMS模式2m温度、10m纬向风和10m经向风4个季度平均RMSE均小于GRAPES模式,但8月月平均(72h)2m温度RMSE大于GRAPES模式,模式对近地面温度场预报优于10m风场;(3)两模式对高空温度场预报优于高度场和风场,SWCWARMS模式预报对流层中层高度场和温度场都偏低,在500h Pa上,除2月、11~12月(24h)外,其它月份和其它预报时效温度场RMSE均小于GRAPRS模式,春夏季高度场的预报优于GRAPRS模式,秋冬季RMSE大于GRAPRS模式;在850h Pa上,SWCWARMS模式预报风场春夏季误差小于GRAPES模式多于秋冬季,冬半年风场误差大于夏半年,RMSE大于GRAPES模式频次增加。     

风能模式预报的相似误差订正

采用一种基于相似误差的模式后处理方法,对2011年10月18日—2012年1月5日WRF模式24 h预报的陕西延长风电场风速进行误差订正。该方法通过寻找与当前预报相似的历史预报来进行误差订正,克服了一般基于时间顺序的误差订正方法的不足,即不能处理由于天气系统的剧烈转变引起的预报误差的快速变化。相似误差订正方法减小了预报的均方根误差和中心均方根误差,相对原始预报分别减小9%和10%左右。该方法不仅可以减小系统误差,还可以减小随机误差,从而提高预报准确率。同时,订正结果相对原始预报具有更好的Taylor图模态相关。相似误差订正方法对风能预报敏感区的订正效果更为显著,均方根误差和中心均方根误差分别减小了12%和22%左右。该方法尤其适用于基于风能模式预报的风速误差订正,同时该方法对其他的预测系统和预报变量也有很好的应用潜力。     

数值预报湿度场Q系统性误差的订正方案

数值预报Ｔ＿（４２）Ｌ＿９湿度场Ｑ的系统性误差，假定是由于风场造成的，按照八个方位的数值预报风场ｕ、ｖ，和同时刻的湿度场之关系，制定出了一套和天气预报规则相似的订正方案，经过误差比检验，每个场都有不同程度的订正效果。     

GRAPES集合卡尔曼滤波资料同化系统Ⅰ:系统设计及初步试验

集合卡尔曼滤波资料同化方法,可以用集合样本统计出随天气形势变化的误差协方差,是当前资料同化领域的研究热点。主要介绍了GRAPES集合卡尔曼滤波资料同化系统的设计以及初步的试验结果。针对集合卡尔曼滤波同化实际观测资料难以实施的问题,采用成批观测同化的顺序同化方法进行多变量的集合卡尔曼滤波同化;为了滤除有限集合数造成的误差相关噪音和缓解求逆矩阵不满秩的问题,在水平和垂直方向都采用了Schur滤波;建立了与GRAPES预报模式的垂直坐标和预报变量一致的模式面集合卡尔曼滤波系统;集合样本的生成考虑了模式变量的空间相关和模式变量之间的相关,通过利用三维变分分析中的控制变量变换得到模式变量扰动场。通过比较GRAPES集合卡尔曼滤波资料同化系统和GRAPES区域三维变分资料同化系统的单点观测资料同化分析结果,对比背景误差相关系数的分布,验证了GRAPES集合卡尔曼滤波系统的正确性。此外,同化区域探空观测资料试验结果表明,GRAPES集合卡尔曼滤波资料同化系统能够得到合理的分析,并且具有实际运行能力。对分析结果进行12h预报表明,GRAPES集合卡尔曼滤波资料同化系统的分析协调性不如三维变分资料同化系统。     

T639数值预报产品订正方案

利用2010年1—12月的T639数值预报产品作为预报形势场,以1980—2009年共30年的NCEP资料作为历史样本场。利用动态相似统计方法,对T639的预报产品,从30年的历史样本场中找相似个例。选取因子,采用多元回归法,对T639的预报产品进行订正方案设计。用2011年1—6月的T639预报产品对方案的订正效果进行检验。对比分析发现,方案对东北半球3天以上的高度场和4天以上的温度场订正效果明显,高度场的订正效果优于温度场。     

一个简单的格点温度预报订正方法

格点气象要素预报是中国气象局目前的主推业务和未来天气预报的发展方向。本文基于欧洲中期数值预报中心ECMWF高分辨率模式2 m温度预报资料,在传统中央气象台站点温度指导预报SCMOC和回归方法建立的站点温度预报的基础上,提出"站点订正值向格点传递"的方法来订正格点温度预报。结果表明:(1)SCMOC站点最高、最低温度24~168 h预报误差2℃准确率分别平均高于ECMWF的10.0%和23.1%,ECMWF存在较大的系统性偏差,最低温度预报偏高,最高温度预报偏低。(2)"站点订正值向格点传递"方法能够订正模式格点温度预报的系统误差,且整体上不改变原ECMWF温度预报场的空间形态和原模式对地形的刻画特征。(3)利用研究区域内98个县级站SCMOC温度预报,订正ECMWF格点场,返回到区域内1289个乡镇站进行检验,结果24 h最低、最高温度1℃的准确率较ECMWF分别提高22.8%和11.9%,2℃的准确率则分别提高29.7%和17.4%。最低(高)温度绝对误差平均减小0.99℃(0.69℃),平均误差(ME)下降到0.7℃(-0.9℃)以内。(4)通过一元线性回归,得到98个县级站的温度预报,返回差值场来订正格点场,也能较好地订正ECMWF的系统性误差。对比两种方法,SCMOC差值传递在最低温度订正方面有较大的优势,而回归方法的最高温度订正效果较好。此外,回归方法能够较好地改善逐时温度预报效果。该方法已成功运用于陕西省精细化格点预报业务系统中。     

用多普勒雷达资料调整GRAPES模式云参数对短临预报的影响

利用华南一次强降水过程,通过雷达回波反演的云雨水及模式背景场的水汽和根据雨水修订的水汽场对GRAPES模式初始场通过Nuding技术进行调整,试图改善模式的临近预报。模拟结果对比发现,模式初始场通过Nudging技术只订正云水、雨水及水汽场2种情形,对模式雷达回波的临近预报效果都有一定的改善,其中前者对0～3 h的临近预报效果改善明显,而后者对0～6 h的预报效果都有所改善,且后者前3 h的改善效果优于前者。对比模式初始场通过Nuding技术订正修订前后的水汽场的预报效果发现,修订后的水汽场的临近预报效果优于修订前的,尤其4～6 h的差异较明显。分析原因发现,模式初始场中水汽场的修订,尤其是饱和水汽的修订,对模式预报的水汽场有明显影响,从而影响到了环流场,改善了模式的雷达回波和降水的预报。      

西南区域中尺度数值模式预报性能及其与天气过程关系初探

本文以探空站和自动站实测资料为检验参考,通过主客观检验GRAPES和WRF模式在西南地区的初始分析场和预报场,一定程度揭示出模式在西南地区的初值质量、动力框架性能和降水参数化效果。GRAPES在西南地区的位势高度、风速、风向初值质量都不同程度好于WRF,但进入预报阶段,GRAPES位势高度、温度均方根误差以比WRF更高的斜率随时效增长,GRAPES对西南地区的500 hPa高度场预报呈现系统性偏低,而WRF对西南地区高度预报的正误差概率比较高;分类天气过程检验表明,GRAPES对低涡、切变过程的初始分析质量好于WRF,但进入预报阶段,WRF对低槽、低涡和切变三类天气过程的低值系统预报正确率都高于GRAPES,这一定程度反映出WRF的模式性能好于GRAPES;分类天气过程降水预报检验表明,低涡过程降水预报难于低槽过程。GRAPES对低涡过程的降水预报能力较低,WRF预报能力最低的是切变过程。这与模式对分类天气过程中低值系统预报能力一致,这一定程度表明两个模式的降水参数化效果水平相当。     

相似集合预报方法在北京区域地面气温和风速预报中的应用

相似集合是近年来提出的一种基于相似理论、大数据挖掘和集合预报思路的统计释用方法。文中首先介绍了相似集合的基本原理,并应用该方法对北京快速更新循环数值预报系统（BJ-RUC）v3.0预报地面要素开展了订正释用试验。结果表明,相似集合订正后,在0—36 h预报时段内,10 m风速的均方根误差降低44%,2 m气温的均方根误差降低22%,均方根误差均显著减小。对比测站预报误差的水平分布,相似集合方法的应用对于提升非城区站点的10 m风速预报、复杂地形区域的2 m气温预报具有更为明显的效果。相同预报因子的相似集合和支持向量机方法对模式10 m风速和2 m气温预报均具有显著且相似的订正效果,但相似集合方法具有计算资源需求较少、不需要大量人工干预的优势。相似集合方法形成的集合较好地模拟了模式平均误差的增长情况,集合离散度与集合平均均方根误差表现出理想的统计一致性,即相似集合方法在形成确定性预报的同时,还能够提供预报要素的不确定性或概率信息。因此,相似集合方法在模式预报订正及释用方面具有广阔的应用前景。