多层递阶预报模型试做长期天气预报

根据预报量与预报因子的实际情况，提出用灰色系统中的关联分析筛选非线性因子。同时利用时变参数跟踪理论，将复杂的非线性系统预报问题转化成简单的带时变参数的线性多层递阶预报问题。经实际应用证明，用此法建立的多层递阶预报模型优于线性因子所建立的多层递阶预报模型。     

复杂地形条件下嵌套细网格模式35例数值预报的总结

本文利用一适合复杂地形区的有限区域预报模式系统，分别采用欧洲中期天气预报中心的格点资料和我国国家气象中心的ＤＣＤ电码资料，对１９８１年７月１－３０日和１９８８年８月１０－１４日两时段共３５天作了４８小时预报。形势场和降水预报的主客观评分表明，该模型系统已具备了在业务环境下作预报的可能，该模型预报性能良好，具有较好的强降水预报的能力。     

一种场对场的复合门限统计预报模型及其应用

本文根据对数据总体非线性特征可用逐段线性化来逼近的原理，同时在考虑预报系统中预报对旬场和预报因子场的整体性和突跳性的基础上，获得一种场对场的复全门限统计预报模型。应用该模型对具有明显突跳性的云南五月雨量场进行必预报，结果较为理想。     

多元样条逐步回归模型在夏收中期预报中的应用

在夏收期间的中期预报中,使用了非线性多元样条函数回归预报模型。该方法保留了线性统计预报模型中多元分析,逐步筛选因子和显著性检验等特点,又吸取了数值逼近中样条函数处理复杂非线性函数的一些优点。经过与线性回归的对比和１９９８年的预报,在历史拟合率和预报效果上的提高较为明显。     

数据的熵变换在降水预报中的应用

通过对降水因子的数据进行熵变换，使降水预报因子和预报量之间的复杂非线性关系变为准线性关系，能充分挖掘预报因子的潜在信息，实现统计模型同资料的匹配，提高了预报精度。     

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。     

多步预测的小波神经网络预报模型

采用小波分析与人工神经网络相结合的方法，进行了一种新的非线性长期预报模 型研究。结果表明，所构造的小波神经网络多步预测模型对历史样本具有很好的拟合效果， 独立样本的预报效果也令人满意。并且，该预报模型具有误差收敛快，预报时效长以及建 模所需阶数低等显著优点，具有很好的研究前景。     

用遗传算法重构副热带高压特征指数的非线性动力模型

用遗传算法从离散时间序列资料中反演重构了非线性动力模型。首先, 用Lorenz系统的时间积分数据进行模型重构试验，随后，对十年平均的副热带高压形态指数时间序列进行动力模型参数反演和仿真预报试验。结果表明，遗传算法具有的全局搜索和并行计算优势能够较为准确地描述和刻画副热带高压活动，能对副高活动进行较为准确的描述与建模，是诊断和预测副热带高压等复杂天气系统活动的一条有效途径。     

基于动力统计模型重构的副热带高压中长期预报

基于T106数值预报产品500 hPa位势高度场序列,用EOF方法对位势场序列进行时、空分解,在考虑相邻时段位势场空间模态基本稳定的前提下,引入动力系统重构的思想,以EOF分解的空间模态时间系数序列作为动力统计模型变量,用遗传算法全局搜索和并行计算优势,进行了模型参数的优化反演,建立了EOF分解的时间系数的非线性预报模型。通过模型积分和EOF的时、空重构,实现了副热带高压活动场的中长期预报。试验结果表明,在短期预报(1—5 d)该模型与T106模式的预报效果大致相当;但对于中长期预报(≥5 d),其预报效果优于T106预报产品;特别是10 d以上的预报结果对副热带高压的形态和范围仍然能较为准确地描述。该研究方法对副热带高压等复杂天气系统和要素场预报提供了一种新的思路。     

非线性统计预报方法研究进展

从线性统计分析向非线性统计分析发展,从而逐步建立非线性统计预报方法,已成为统计学方法发展的方向之一。虽然非线性统计预报这些年来有了较大发展,但却缺少系统的介绍。作者将自己的研究成果及应用实例归纳整理,对非线性统计预报中参数计算基本方法,一个自变量时的统计预报模型,拟线性、半线性和曲线性预报模式,分段逼近模式,插值、距离、相似预报方法等作了系统介绍。并给出了各种非线性统计预报模型在气象预报中的具体应用实例索引。     

一个简化气候系统的非线性特征

文中建立一个包含年平均云量、地表温度及边界层气温的零维能量平衡模式。研究表明：该模式在适当的参数值范围内，能模拟出接近实际的气候状态；根据与该模式相应的偏差方程，讨论了气候系统的非线性特征以及云对气候状态演化的作用。     

气象要素时间序列的演化建模分析与短期气候预测

以武汉站(5~9月)汛期降水量观测数据序列为例,将这类具有明显的不规则性(混沌特征)时间序列分解为宏观气候尺度周期的波动部分和迭加其上的微观气候尺度周期的波动部分,分别采用演化建模方法和自然基小波方法模拟逼近。特别强调由演化建模方法得到的非线性常微分方程较之传统的线性建模具有更好的分析预测能力。     

The Evolutionary Modeling and Short-range Climatic Prediction for Meteorological Element Time Series

1. Introduction Let us suppose that the meteorological element series is the set of solution by integrating a perfect cli- matic numerical model with certain initial conditions, boundary conditions etc., thus it is also the concen- trated expression of nonlinear interaction between all climatic factors (including itself) in the model. Be- cause of limited understanding the mechanism of cli- matic system changes, the unsolved problems are not less than the solved ones in the climatic numerical …     

用格子Boltzmann方法构建大气动力学模式的初步研究

文中建立了一个格子Boltzmann模型 ,经过Chapman Enskog展开得到的方程组能完整描述正压大气的动力过程 ,成功地模拟了正压地转适应过程 ,对Obukhov的经典例子进行了数值检验。结果表明 ,Obukhov的结果只体现了科氏力和气压梯度力的平衡 ,而本模型可以精确地描述科氏力、惯性力和气压梯度力三者的完整平衡 ,与Obukhov线性理论相比 ,气压变化量的数值相差 2 8% ,说明了线性适应理论只在定性方面正确 ,在定量方面还不准确。数值结果还表明粘性力在地转适应过程中基本不起作用。同时 ,还模拟了一个更大尺度的适应问题 ,验证了气压场与风场适应过程取决于尺度大小这一论断数值试验表明 ,格子Boltzmann方法用于模拟大气运动是可行的 ,而且因其编程简洁方便 ,天然具有极好的并行性能 ,对于建立模拟大气和海洋这样涉及复杂动力热力过程的多相大规模数值模式很有发展潜力     

基于机器学习的中国冬季气温影响因子分析及模型估算

使用1951—2021年160个中国国家级气象观测站冬季平均气温及多项大气环流及海温等指数,用机器学习方法研究影响中国冬季气温异常的大气环流及海温等外强迫因子,并建立估算拟合模型,评价筛选出的影响因子组合对中国冬季气温异常分布的贡献。使用最小绝对收缩和选择算子（LASSO）算法提取与冬季气温异常相关的影响因子。为体现特征因子之间非线性关系,使用泰勒公式对筛选后的特征进行多项式增广。使用最小二乘梯度提升决策树（LS-GBDT）算法对筛选出的特征因子与冬季气温异常之间的非线性关系进行估算拟合。结果表明,机器学习方法能够对影响冬季气温异常的特征因子进行合理筛选与重要性分析,建立的估算模型在一定程度上体现了气候系统特征因子与冬季气温距平的非线性联系。本研究为了解中国冬季气温异常分布的影响因素及其模拟与估算提供了新方法和途径。     

Fast data assimilation using a nonlinear Kalman filter and a model surrogate: An application to the Columbia River estuary

A fast and adjoint-free nonlinear data assimilation (DA) system was developed to simulate 3D baroclinic circulation in estuaries, leveraging two recently developed technologies: (1) a nonlinear model surrogate that executes forward simulation three orders of magnitude faster than a forward numerical circulation code and (2) a nonlinear extension to the reduced-dimension Kalman filter that estimates the state of the model surrogate. The noise sources in the Kalman filter were calibrated using empirical cross-validation and accounted for errors in model and model forcing.The DA system was applied to assimilate in situ measurements of water levels, salinities, and temperatures in simulations of the Columbia River estuary. To validate the DA results, we used a combination of cross-validation studies, process-oriented studies, and tests of statistical and dynamical consistency. The validation studies showed that DA improved the representation of several important processes in the estuary, including nonlinear tidal propagation, salinity intrusion, estuarine residual circulation, heat balance, and response of the estuary to coastal winds.     

Fast data assimilation using a nonlinear Kalman filter and a model surrogate: An application to the Columbia River estuary

A fast and adjoint-free nonlinear data assimilation (DA) system was developed to simulate 3D baroclinic circulation in estuaries, leveraging two recently developed technologies: (1) a nonlinear model surrogate that executes forward simulation three orders of magnitude faster than a forward numerical circulation code and (2) a nonlinear extension to the reduced-dimension Kalman filter that estimates the state of the model surrogate. The noise sources in the Kalman filter were calibrated using empirical cross-validation and accounted for errors in model and model forcing.The DA system was applied to assimilate in situ measurements of water levels, salinities, and temperatures in simulations of the Columbia River estuary. To validate the DA results, we used a combination of cross-validation studies, process-oriented studies, and tests of statistical and dynamical consistency. The validation studies showed that DA improved the representation of several important processes in the estuary, including nonlinear tidal propagation, salinity intrusion, estuarine residual circulation, heat balance, and response of the estuary to coastal winds.     

一次高原强降雪过程三维对称不稳定数值模拟研究

利用一次较成功地模拟了"95.1"青藏高原暴雪过程的MM5中尺度模式输出资料,用非纬向非平行基流中的对称不稳定模式,对"95.1"暴雪发生发展过程的动力学机制进行了三维基流中二维非线性对称不稳定数值模拟试验,结果表明:ψ场和w场的三维配置在降雪发生初期和发展过程中与暴雪带基本一致,说明非线性对称不稳定是这次高原暴雪启动的一种动力学机制。     

Atmospheric properties of ENSO: models versus observations

Two important atmospheric features affecting El Niño-Southern Oscillation (ENSO) are atmospheric noise and a nonlinear atmospheric response to SST. In this article, we investigate the roles of these atmospheric features in ENSO in observations and coupled Global Climate Models (GCMs). We first quantify the most important linear couplings between the ocean and atmosphere. We then characterize atmospheric noise by its patterns of standard deviation and skewness and by spatial and temporal correlations. GCMs tend to simulate lower noise amplitudes than observations. Additionally, we investigate the strength of a nonlinear response of wind stress to SST. Some GCMs are able to simulate a nonlinear response of wind stress to SST, although weaker than in observations. These models simulate the most realistic SST skewness. The influence of the couplings and noise terms on ENSO are studied with an Intermediate Climate Model (ICM). With couplings and noise terms fitted to either observations or GCM output, the simulated climates of the ICM versions show differences in ENSO characteristics similar to differences in ENSO characteristics in the original data. In these model versions the skewness of noise is of minor influence on ENSO than the standard deviation of noise. Both the nonlinear response of wind stress to SST anomalies and the relation of noise to the background SST contribute to SST skewness. The ICM is not yet fully evolved, the results rather show that this is a promising route. Overall, atmospheric noise with realistic standard deviation pattern and spatial correlations seems to be important for simulating an irregular ENSO. Both a nonlinear atmospheric response to SST and the dependence of noise on the background SST influence the El Niño/La Niña asymmetry.     

层状云播云线源非均匀、非定常输送扩散数值模拟

大多数层状云播云线源输送扩散模式常采用一些不合理的假设，使得输送扩散过程中起重要作用的一些物理过程被忽略。烟团轨迹模式能够处理源参数和气象要素的时空变化，适用于各种尺度和各类源的输送扩散模拟。因此，本文建立了一个模拟层状云播云线源输送扩散的三维时变烟团轨迹模式，并考虑了地形，垂直风切变作用，播云参数的时空变化和线源的湿清除效应。增雨作业实例我的数值模拟研究结果表明：模拟的播云线源输送扩散特征与输送扩散的基本理论和一般规律相吻合，并且再现了非垂直（与风向上）多条播云线源非均匀非定常的输送扩散特点。浓度等值线水平，垂直分布均不规则，比均匀定常点源更为复杂，整体不满足高斯浓度分布，表明在这种情况下均匀定常模式已不适用。另外，模式能够精确地模拟出播云线间的精细结构。