基于SSA-MGF的BP神经网络多步预测模型

采用奇异谱分析（Singular Spectrum Analysis，SSA）方法对标准化样本序列进行准周期信号分量重建，将重建序列构造均值生成函数（Mean Generating Function．MGF）延拓矩阵作为输入因子，原样本序列作为输出因子，构建BP神经网络多步预测模型。通过实际建模并与逐步回归等方法进行对比预测试验，结果表明，基于SSA-MGF的BP神经网络多步预测模型预测效果优于其他3种模型，说明SSA的去噪及BP神经网络预报模型对于提高预测准确率是相对有效的，是一种具有较高应用价值的多步预测方法。     

MJO特征的多尺度子空间重构

通过构造两种不同类型的理想序列,将多尺度子空间变换(Multiscale Window Transform,MWT)与传统使用最多的带通滤波方法(Butterw orth)进行比较发现:MWT滤波的结果在整体上与原序列几乎完全吻合,而Butterworth的滤波结果在振幅上总是偏小;同时MWT对边界的处理也比Butterworth要好。为此使用这两种方法分别对MJO进行重构,并比较两种方法下MJO特性的差异。结果表明:在经向(meridional)传播上,两种方法得出的MJO基本类似;但在纬向(zonal)传播及其季节变化上,两种方法的结果无论在强度还是分布上都存在明显的差异,并且这种差异主要存在于西太平洋地区。本文发现:MJO波列从年初到夏季由南向北传播,从夏季到岁末传播方向却逆转成由北向南(尤其是在西太平洋地区),这一点与前人的结果迥异。     

MJO对我国降水影响的季节调制和动力-统计降尺度预测

利用1981—2016年中国区域CN05.1格点降水资料和EAR-Interim再分析资料,研究了季节循环对于热带大气季节内振荡(MJO)对我国降水影响的调制作用,并基于模式对MJO的预报建立了针对延伸期降水的动力-统计降尺度模型。结果表明,MJO对我国季节内降水异常的影响明显受到季节循环的调制。当MJO对流在热带印度洋活跃时,我国降水偏多的区域随季节由南向北推进;当MJO对流位于海洋性大陆地区时,在秋、冬季我国东部和高原大部分地区降水异常偏少,而到了春、夏季该关系反转。MJO对流和基本气流(特别是副热带西风急流)的位置和强度的变化所引起热带外环流响应的不同是造成这种季节性差异的重要原因。模式检验表明,BCC_AGCM2.2对目标候MJO的预报技巧可达18d以上,在此基础上利用模式预报MJO信息构建了随季节演变滚动的MJO动力-统计降尺度预测模型。独立样本检验表明,该模型在较长时效(10~20d)下对MJO高影响区低频降水异常的预报技巧高于模式的直接预报,特别是在MJO活跃时期对降水预报技巧的提升更加明显,这为MJO信号释用提供了新的思路。     

GM(1, 1)模型的建模条件

GM(1,1)模型是灰色系统理论的核心预测模型,对GM(1,1)模型的建模条件进行研究是提高模拟精度的基础.采用理论证明和数值算例相结合的方法对GM(1,1)模型的建模条件进行研究,拓展了经典灰色预测模型的级比判定条件.结果表明:当原始序列的累加序列值都相等时,发展系数不存在;提高原始序列光滑度不是提高模拟精度的充分条件.     

支持向量机方法在海口降水预报中的应用研究

利用支持向量机方法(SVM),依据T213数值预报产品,对海口降水进行预报应用研究,结果表明:所建立的SVM分类方法降水预报模型具有较好的正技巧,SVM方法对海口降水具有较为明显的预报能力。     

MJO研究新进展

MJO与ENSO的关系、MJO的数值模拟(预报)以及MJO对天气气候的影响是近些年来国内外大气科学研究的重要前沿问题.本文将综合介绍国内有关MJO对天气气候的影响以及MJO的数值模拟(预报)方面的近期研究进展,因为过去已介绍过MJO与ENSO相互作用的研究结果.利用澳大利亚气象局的RMM-MJO指数研究MJO与西北太平洋台风活动的关系,结果表明大气MJO对西北太平洋台风的生成有比较明显的调制作用,在MJO的活跃期与非活跃期西北太平洋生成台风数的比例为2∶1;而在MJO活跃期,对流中心位于赤道东印度洋(即MJO第2、3位相)与对流中心在西太平洋地区(即MJO第5、6位相)时的比例也为2∶1.对大气环流的合成分析显示,在MJO的不同位相西太平洋地区的动力因子和热源分布形势有极其明显不同.在第2、3位相,各种因子均呈现出抑制西太平洋地区对流及台风发展的态势;而在第5、6位相则明显有促进对流发生发展,并为台风生成和发展创造了有利的大尺度环流动力场.对多台风年与少台风年850 hPa的30～60 d低频动能距平的合成分析表明,在多台风年最显著的是低频动能正异常位于菲律宾以东15°N以南的西北太平洋地区,表明那里有强MJO的活动;而少台风年的情况与多台风年相反,菲律宾以东的西北太平洋上与季风槽位置对应区域是低频动能的负距平区,那里MJO偏弱.即赤道西北太平洋上MJO活动的强(弱)年对应西北太平洋的台风偏多(偏少).对应MJO的不同活动位相,无论冬季、春季或夏季,中国东部的降水都将出现特殊的异常形势.在春季,MJO的第2、3位相有利我国东部长江中下游地区多雨、华南地区少雨;MJO的第4、5位相有利我国华南地区多雨而长江中下游地区少雨;在MJO的其它位相,我国东部地区都为降水负异常.在冬季,对应MJO的第1～3位相(特别是第2、3位相)中国华南降水偏多;而对应MJO的第6～8位相(特别是第6、7位相)中国华南降水偏少.在夏季,MJO位于印度洋时,MJO可以通过低层西风急流的波导效应影响到中国东南部地区,造成该地区降水偏多;当MJO位于西太平洋地区时,可以造成经向环流的上升支向北偏移,导致西北太平洋副高的东撤、以及中国东南部地区水汽输送减弱,降水减少.资料分析还表明,在年际变化尺度上,热带中、东印度洋MJO指数的持续异常对云南夏季降水有明显的影响.大气环流和数值模拟都表明,MJO活动不同位相的强对流会在东亚/西北太平洋地区激发产生不同形势的遥响应(Rossby波列),导致在中国不同地区出现有利(或不利)降水的环流形势和条件,是MJO活动影响中国降水的主要机制.用数值模式对MJO进行数值模拟(预报)是尚未很好解决的困难问题,原因也没有完全搞清楚.我们的一系列数值模拟清楚表明,MJO的模拟(预报)效果对模式所用对流参数化方案有很强的依赖关系;模式能否很好描写(再现)热带大气非绝热加热廓线,是极其关键的问题,只有当加热廓线在对流层中低层有最大加热时,模式才能得到同实际观测大体一致的MJO及其活动特征.这些数值模拟结果与我们过去从理论研究得到的结论相吻合,彼此得到应证.     

时空投影法在上海地区梅汛期降水延伸期预报中的应用

本文基于2001—2010年上海市11个基本气象站的逐日降水量和澳大利亚气象局的逐日大气低频振荡(MaddenJulian Oscillation,MJO)指数(包括RMM1和RMM2)资料,选取MJO指数作为预报因子,上海地区梅汛期降水量作为预报对象,建立了基于时空投影法(spatial-temporal projection model,STPM)的上海地区梅汛期降水延伸期预报模型。利用该模型对近6年(2011—2016年)的梅汛期降水进行回报试验,其预报技巧评估结果表明:该模型对未来10～25 d的降水具有较好预报效果,可较准确地预报出梅汛期3/4左右的降水量级和降水发生时段。其中,预报时效为10～20 d的预报技巧较高,而提前21～25 d的预报技巧略有下降。总体而言,基于MJO活动的STPM预报模型在上海地区梅汛期延伸期降水预报中具有较好的参考价值。     

基于路径相似的登陆热带气旋降水之动力-统计集合预报模型

数值天气预报(NWP)过去几十年在热带气旋(TC)预报方面的最大进步是越来越准确的路径预报。对于登陆TC降水的预报,目前以数值模式为代表的技术手段预报能力还十分有限。围绕动力-统计结合之方法研究,初步发展了登陆热带气旋降水(LTP)预报的一种新方法:基于路径相似的登陆热带气旋降水之动力统计集合预报(LTP_DSEF)模型。该方法主要分为五步:TC路径预报、相似路径TC识别、其他特征相似性的判别、TC降水集合预报和最佳预报方案选择;涉及两个关键技术:TC降水分离的客观天气图分析法(OSAT)和TC路径相似面积指数(TSAI)。LTP DSEF模型对2012-2016年影响华南地区出现最大日降水量≥100 mm的21个TC的定量降水预报(QPF)试验结果显示,该模型对登陆TC过程降水的预报结果优于动力模式。登陆TC过程降水≥50 mm情况下,建模样本和独立样本平均TS评分均高于动力模式(EC、GFS、T639)相应的最好表现。对LTP_DSEF模型三个最佳方案的参数取值分析显示,起报时刻参数设定为最临近影响时刻即TC对陆地产生降水的前一天12:00 UTC、集合参数取最大值时预报效果稳定趋好。     

支持向量机在短期气候预测中的应用

支持向量机（SVM，Support Vector Machines）是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题，是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象问的非线性关系，SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子，建立了阳泉夏季降水正、负距平的SVM非线性分类模型，同时也建立了阳泉夏季降水的SVM回归模型，并进行了相应的预报试验，结果显示，对应的SVM分类模型和回归模型均具有良好的预报能力。     

MJO ensemble prediction in BCC-CSM1.1 (m) using different initialization schemes

热带大气季节内振荡(MJO)预报是国际研究热点,我国尚处于起步阶段。近些年国际上MJO预报水平得到大幅提升,主要得益于包含海气耦合过程的气候模式的使用,这其中模式预报初始化和集合扰动生成方法至关重要。本文发展了适用于国家气候中心第二代气候预测业务模式BCC-CSM1.1(m)的MJO初始化方案,并在此基础上提出了基于不同初始化方案形成扰动的集合预报新方法,可以将MJO有技巧预报时效延长到约20天,为次季节-季节预报提供重要依据。