支持向量机回归方法在铜川降水量预报中的应用

降水量定量预报是精细化预报的要求之一,由于降水量的离散性和预报因子的非线性,用常规数理统计的方法做定量预报效果不理想。支持向量机(Support V ectorM ach ine简称SVM)对处理非线性关系的问题有强大能力,且具有在海量信息中巧妙提取所关注预报对象特征的能力。应用2002—2004年夏季T 213预报产品资料,用支持向量机回归原理做铜川降水量预报,从大量历史个例的数值预报产品信息中,提取有代表性的支持向量,建立铜川3个站未来2 d每12 h降水量预报方法。结果表明,该方法的试验数据预报结论与实况相关系数可达0.6,绝对差2.2,并经过检验数据检验,能够投入业务使用。     

一种制作气象要素预报的MOS方法

介绍了基于MM5模式的预报气象要素的一种MOS方法 ,并对预报效果做了初步检验。MOS方法直接利用MM5模式的预报产品 ,采用多点滑动平均普查因子方法和多元线性 (非线性 )逐步回归方法 ,可以同时预报多地点、多时次、多个气象要素。其中采用的多点滑动平均普查因子方法 ,减弱甚至消除了由于随机原因造成其中单点相关因子的不稳定性     

一种制作气象要素预报的MOS方法

介绍了基于MM5模式的预报气象要素的一种MOS方法，并对预报效果做了初步检验。MOS方法直接利用MM5模式的预报产品，采用多点滑动平均普查因子方法和多元线性(非线性)逐步回归方法。可以同时预报多地点、多时次、多个气象要素。其中采用的多点滑动平均普查因子方法，减弱甚至消除了由于随机原因造成其中单点相关因子的不稳定性。     

三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

最小二乘支持向量机在云量预报中的应用

基于2003-2006年逐年1、8月WRF区域数值预报产品和单站观测资料,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,分别按月通过不同长度样本序列建立了台北和厦门站总云量和低云量短期释用预报模型,利用2007年1、8月样本资料对模型进行了预报和检验,并与神经网络方法进行了对比.结果表明:最小二乘支持向量机回归方法的预报效果要好于神经网络方法;两站不同长度样本的总云量和低云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低.可见,最小二乘支持向量机回归在云量等气象要素释用预报方面,具有较好的应用前景.     

MOS方法在短时要素预报中的应用与检验

通过对MM5数值预报产品的释用,将MOS统计方法应用到短时要素预报中,综合利用MM5数值预报产品、自动站实况数据和雷达数据等资料,建立降水和温度的4 h预报模型;降水作为不连续变量,将其通过建立降水可能函数的方法转化为连续变量,利用统计预报方法,可以达到定量预报的目的。通过对4140个时次的样本进行检验。结果表明：MOS预报结果较MM5直接输出结果整体有所改进,当数值模式误差较大时,统计方法显示出一定的优势;降水预报检验结果显示,TS评分为65%,预报正确率PC为91%。降水明显的样本(3 h雨量>5 mm)平均误差在8 mm以内,弱降水样本(3 h雨量<3 mm)平均误差在1 mm以内,预报方程对非雨日样本的整体预报效果较好,优于MM5模式预报,预报正确率高达98%,但对流性降水仍是预报难点;对于温度预报,20-08时段误差较小、平均在1.0℃以内,而11-17时、误差平均在1.5℃左右,但经过误差的季节订正,可以控制在1.0℃左右。     

基于MOS的内蒙古风电场风机风速预报方法研究

采用基于T639数值预报产品的MOS预报,建立了内蒙古风电场风机风速预报模型,并与EC集合预报、本地MM5及上级WRF风机风速预报产品进行了对比,结果表明:平均绝对误差、平均相对误差、均方根误差均表现为EC集合预报(集合平均)效果最好,MOS方法次之,均优于本地MM5和WRF指导。由于集合预报、MOS方法预报时效较长,因而具有显著的业务应用价值。MOS方法制作风机风速预报的优点在于:以形势场作为预报因子,发挥了形势预报更为准确的优势,同时能够有效消除模式的系统误差。     

基于交叉验证的多模式超级集合预报方法研究

利用AREM、MM5和WRF 3个中尺度有限区域模式,通过选取对短期天气预报影响颇大的积云参数化方案和边界层方案构成15个集合预报成员,以2003年7月汛期天气为研究对象,分别采用相关加权、多元线性回归以及支持向量机回归与"交叉验证"相结合的方法,开展有限区域模式的多模式短期超级集合预报研究.文中主要对上述3种方法的24 h降水和700 hPa流场的超级集合预报结果与多模式集合平均预报结果以及T213模式结果进行了对比分析,结果表明:(1)对于24 h降水,支持向量机回归方法的超级集合预报得到的均方根误差比多模式集合平均小,各降水临界值的TS异常评分比多模式集合平均高;并且它也较相关加权法和多元线性回归的超级集合预报效果好.(2)对于700 hPa流场,对比分析各预报结果经过向量EOF分析得到的风场第1模态和第2模态表明,多模式集合平均主要使风场强度变小,多元线性回归和支持向量机回归的超级集合预报可以较好地刻画风场的强度分布,其中支持向量机回归的超级集合预报对风场强度及其区域分布的预报效果最好.(3)对于700 hPa流场,超级集合预报明显优于同期T213模式预报,从相同的预报均方根误差意义看,支持向量机回归的超级集合预报至少较T213模式预报能提前12 h.     

基于ECMWF细网格产品的一种优化BP-MOS气温预报方法

基于ECMWF细网格模式输出产品,以一种优化的BP-MOS模型预测1~7 d日最高和最低气温,并对比该方法和ECMWF细网格的2 m温度输出产品以及线性MOS方法的预报效果。结果表明:在预报因子处理时,考虑云量、风、湿度等对气温变化的"过程"影响能有效提高预报准确率;ECMWF细网格2 m温度产品在短期3 d内均方根误差均在2℃以内,但中期时段预报效果明显低于MOS方法;由于线性MOS模型预报存在不稳定现象,而BP神经网络的非线性映射关系使其在容错性方面优势明显,因此优化的BP-MOS模型预测效果良好。     

支持向量机在大气污染预报中的应用研究

支持向量机是基于统计学习理论的新一代机器学习技术，其非线性回归预测性能优越于传统统计方法。利用前一天该污染物的日均浓度、前一天地面平均风速等7个预报因子建立了基于RBF核函数支持向量回归法的大气污染预报模型，并利用十重交叉验证和网格搜索法寻找模型最优参数。乌鲁木齐大气预报实例表明：支持向量机显示出小样本时预报精度较高和训练速度快的独特优势，为空气质量预报提供一种全新的模式。     

上海区域要素客观预报方法效果检验

数值模式的客观释用是数值模式在业务工作中发挥效能的重要环节。在对上海区域数值模式近5年的模式直接输出(DMO)进行检验的基础上,分别采用卡尔曼滤波释用(KLM)和最优化集成释用(OCF)的方法进行要素客观释用,总结出区域数值模式的预报性能,客观释用也取得令人鼓舞的结果:(1)近几年,上海区域数值模式的直接输出结果(DMO)对温度、湿度以及风向的预报改善不明显,甚至还有变差现象,风速的预报自2005年起有改善,但主要体现在预报的稳定性方面。(2)KLM方法较DMO在温度、相对湿度和风速的预报上均有明显提高,但是风向的预报无明显提高,预报准确率甚至略有下降。(3)OCF方法的预报性能较KLM方法略有提高。温度、相对湿度以及风向的预报准确率提高约2%,风速预报与KLM方法相当。在春季和冬季,OCF的预报水平已经与主观综合预报相当,如果主观综合预报能充分参考OCF的预报结果,主观综合预报"春季和冬季预报误差相对偏大"这一弱点能得到改善。检验结果能为数值模式的开发和调试者提供有益的参考,而最优化集成方法的成功业务尝试也佐证了集成预报在数值模式客观释用中的美好前景。     

基于MOS方法的风向预测方案对比研究

基于MOS方法的数值预报产品释用技术是要素预测较好手段,风向的释用预测方案一般采用标量式的释用预测方案,效果并不理想。本文给出一种基于MOS方法的风向矢量预测方案,利用相关系数和逐步回归方法分别得到u风和v风在不同站点和不同时效的风向模型,根据模型预测u风和v风合成风向。试验选择风向矢量、风向标量和模式的直接输出三种方案进行对比。试验选择T639模式逐日多个物理量观测场,其中建模样本选择2008-2012年每年5月15日至9月15日的数据,验证样本选择2012年6月1-30日的数据,数值试验预测北京地区20个站点未来4个时次的定点定时风向。结果表明：基于MOS方法的风向矢量预测方案12、24、36h和48h的准确率比基于MOS的风向标量观测方案的各时效准确率分别提高了85.0%、26.3%、113.0%和19.9%,比模式直接输出结果方案的各时效准确率分别提高了35.3%、20.2%、43.6%和21.0%。总体来看,基于MOS方法的风向矢量预测方案在风向方面有较好的预测能力。对于个别站点,可能对因子模型的估计不理想或风向变化较为频繁,导致预测难度较大。     

湿Q矢量释用技术及其在定量降水预报中的应用

新发展了一种湿Q矢量释用技术:利用松弛法迭代求解以非地转干Q矢量散度为强迫项的方程得到垂直运动场ω ₁, 然后由ω ₁计算湿Q矢量散度场, 接着再利用松弛法迭代求解以湿Q矢量散度场为强迫项的ω方程得到垂直运动ω ₂, 最后由ω ₂结合水汽条件进行降水量计算, 得到湿Q矢量释用降水场。结合一次典型的江淮梅雨锋暴雨过程研究表明, 湿Q矢量释用降水场对同期观测降水场水平分布特征、极端降水强度都具有一定的反映能力, 反映出湿Q矢量释用技术具备实际应用的可行性和一定合理性。将此释用技术应用于华东区域数值预报模式 (基于MM5 V3.6而建立, 以下简称MM5) 产品, 得到湿Q矢量释用定量降水预报 (QPF) 场, 其独立于模式本身输出的QPF场, 但与模式QPF场具有相同的时空分辨率。针对2004年6—8月汛期华东地区一次梅雨锋降水过程和一次登陆台风降水过程, 结合实况雨量资料, 比较分析了湿Q矢量释用QPF场和MM5模式QPF场对实际观测降水场的反映能力, 结果表明, 前者对有无降水、10.0 mm/24 h以上明显降水的反映能力明显优于后者。进一步进行预报统计检验表明, 湿Q矢量释用预报有无降水、小雨及10.0 mm/24 h以上降水的TS评分、正确率都明显高于MM5模式, 而漏报率、空报率则是前者明显低于后者。这也充分反映出湿Q矢量释用技术应用于QPF研究的有效性。最后, 探讨了数值预报产品释用技术对数值预报模式性能的依赖性, 并指出未来对湿Q矢量释用技术进一步改进的方向及其广泛应用前景。     

Intercomparison of the performance of MM5/WRF with and without satellite data assimilation in short-range forecast applications over the Indian region

The present study is conducted to verify the short-range forecasts from mesoscale model version5 (MM5)/weather research and forecasting (WRF) model over the Indian region and to examine the impact of assimilation of quick scatterometer (QSCAT) near surface winds, spectral sensor microwave imager (SSM/I) wind speed and total precipitable water (TPW) on the forecasts by these models using their three-dimensional variational (3D-Var) data assimilation scheme for a 1-month period during July 2006. The control (without satellite data assimilation) as well as 3D-Var sensitivity experiments (with assimilating satellite data) using MM5/WRF were made for 48 h starting daily at 0000 UTC July 2006. The control run is analyzed for the intercomparison of MM5/WRF short-range forecasts and is also used as a baseline for assessing the MM5/WRF 3D-Var satellite data sensitivity experiments. As compared to the observation, the MM5 (WRF) control simulations strengthened (weakened) the cross equatorial flow over southern Arabian sea near peninsular India. The forecasts from MM5 and WRF showed a warm and moist bias at lower and upper levels with a cold bias at the middle level, which shows that the convective schemes of these models may be too active during the simulation. The forecast errors in predicted wind, temperature and humidity at different levels are lesser in WRF as compared to MM5, except the temperature prediction at lower level. The rainfall pattern and prediction skill from day 1 and day 2 forecasts by WRF is superior to MM5. The spatial distribution of forecast impact for wind, temperature, and humidity from 1-month assimilation experiments during July 2006 demonstrated that on average, for 24 and 48-h forecasts, the satellite data improved the MM5/WRF initial condition, so that model errors in predicted meteorological fields got reduced. Among the experiments, MM5/WRF wind speed prediction is most benefited from QSCAT surface wind and SSM/I TPW assimilation while temperature and humidity prediction is mostly improved due to latter. The largest improvement in MM5/WRF rainfall prediction is due to the assimilation of SSM/I TPW. The assimilation of SSM/I wind speed alone in MM5/WRF degraded the humidity and rainfall prediction. In summary the assimilation of satellite data showed similar impact on MM5/WRF prediction; largest improvement due to SSM/I TPW and degradation due to SSM/I wind speed.     

数值天气预报多要素深度学习融合订正方法

数值天气预报作为现代天气预报的主流技术方法,近年来不断朝着精细化方向发展,但预报误差至今仍无法避免.文中在CU-Net模型中引入稠密卷积模块形成数值预报要素偏差订正模型Dense-CUnet,在此基础上进一步融合多种气象要素和地形特征构建了Fuse-CUnet模型,开展不同模型的偏差订正试验和对比分析.以均方根误差(R...     

广东省冬季逐日最低气温的预报方法

为了能结合数值预报产品做好广东省逐日最低气温的预报,利用1998~2007年冬季(11月~次年2月)美国NCEP/NCAR再分析资料和常规气象观测资料,选取20°~27.5°N,107.5°~117.5°E区域内的海平面气压、850 hPa温度、850 hPa相对湿度、850 hPa纬向风(u)、850 hPa经向风分量(v)和500hPa位势高度等6个要素作为预报因子,以韶关、梅州、广州、阳江、汕头等5个站分别作为广东5个部分的代表站,采用能选取"最优"因子的逐步回归方法建立5个代表站的11月~次年2月逐日的最低气温预报方程,并对预报方程进行检验。结果表明:采用逐步回归预报方法建立的广东省5个代表站的逐日最低气温预报方程具有一定的预报能力,但也存在预报结果比实况偏低的不足。     

基于机器学习的复杂地形下短期数值天气预报误差分析与订正

初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2 m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2 m温度、10 m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%—33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分“挖掘”不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。      

太原雾天能见度预报

利用中尺度数值预报模式MM5对山西省2009年发生的几场典型雾个例进行数值模拟。结果表明：模拟2 m温度比观测值偏低约2 ℃,相对湿度模拟结果比观测值偏大约15 %,10 m的模拟风速比观测的偏大0-2 m·s^-1。山西省雾的预报指标为20 m液态水含量大于等于0.13 g·kg^-1而小于0.60g·kg^-1、20-1500 m高度大气层存在逆温层、地面风速小于4 m·s^-1。利用太原测站日平均能见度、日平均相对湿度以及空气污染指数进行拟合建立太原能见度预报模型,并利用实测资料订正MM5、CAPPS模式预报误差,给出订正后的能见度预报方程并以两次实例对区域及太原雾天能见度预报表明该能见度预报模型有一定的适用性。     

卫星云图反演资料质量控制方案在暴雨模拟中的对比研究

本文以2003年7月9～10日发生在江淮流域的暴雨过程为例,应用FY-2B卫星红外云图灰度资料,利用统计回归的反演方法求出高分辨率的温度和湿度的反演场用于改进预报的初始场。设计和对比了几种质量控制方案,再将控制后的反演场与常规资料进行同化,最后用MM5模式进行了模拟对比试验。结果表明：在模式的初始场中引入卫星云图反演场能反映出更为细致的中尺度结构,有效地增强了对降水有重要影响的高湿区;锋生函数质量控制方案改善模式的初始场,从而改善了MM5模式降水预报的落区和强度,提高了降水预报准确性及Ts评分。