BP人工神经网络在MM5预报福建沿海大风中的释用

利用MM5中尺度数值模式输出的福建沿海6个气象站2004年5月到2007年10月每天08、20时48 h每6 h间隔的风速预报和实况资料,采用不同隐层以及节点数,按照风速大小分类建立人工神经网络模型,以此为基础应用BP人工神经网络建立风速预报模型,并将该模型应用到2008年1月至2009年2月福建沿海平潭、崇武、东山三站风力预报,对其效果进行检验。结果表明,采用一层隐层3个隐层节点数的人工神经网络模型是预报风速的最佳模型;经人工神经网络订正后,沿海风速预报比MM5模式预报有很大改善,特别是对大风(10 m.s-1)预报能力有极大提高,其Vs评分比MM5模式提高60分;经检验,经人工神经网络订正后的风速预报精度比MM5模式提高约32.3分,总体上,随风力增大,订正后的风速预报效果越好。     

GRAPES_TCM模式对影响浙江省热带气旋的降水预报评估

基于2006-2009年有热带气旋影响浙江省期间气象站(包括自动站)资料及上海台风研究所的GRAPES_TCM模式输出降水资料,应用TS和BS评分方法,对模式在浙江省的热带气旋降水预报能力进行了评估.结果表明模式晴雨准确率和小雨TS评分24 h和36 h预报相对高,48 h开始随预报时效逐渐下降,中雨、大雨和暴雨TS评分随时效变化趋势不明显,而大暴雨TS评分有较大的随机性.漏报是影响小雨和中雨TS评分的主要原因,空、漏报对大雨和暴雨TS评分的影响基本相同,空报是影响大暴雨TS评分的主要原因.相同预报时效的TS评分随降水等级的提高而减小.BS评分发现模式对大雨及以下量级降水预报站次比实际偏少,对暴雨预报相对接近实际出现站次,对70 mm以上的大暴雨模式有过度预报倾向.与宁波市气象台主观预报比较,对晴雨和小雨预报,相同时效的主观预报一般高于客观,主观暴雨预报TS评分比客观预报一般高出30％以上.GRAPES_TCM模式对于影响程度高的TC降水预报能力相对高.20时输出预报与08时相比,对于晴雨和小雨预报,48 h以内差异不大,而60 h和72 h预报准确率,20时明显高于08时.对于中雨及以上等级降水,20时预报TS评分一般比08时好,主要得益于漏报率的降低.     

基于莫宁-奥布霍夫相似理论的地面站点风速预报偏差订正

地形不匹配会导致风速预报出现偏差。Monin-Obukhov(莫宁-奥布霍夫)相似理论表明近地面风速垂直变化符合对数率特征,基于相似理论并引入大气稳定度判定因子构建偏差订正方案,将地面风速预报由模式地形订正到实际地形。针对冬季和夏季华北区域内760多个站点进行15 d的批量试验发现,使用订正方案后冬季和夏季00时(世界时)起始预报的模式前12 h风速预报的平均偏差可以降低20%以上,24 h预报偏差降幅也可达到10%以上,不同预报时效内风速的均方根误差可降低5%～8%。说明使用偏差订正方案可以对模式地面风速预报产生明显正效果。     

次网格地形参数化对WRF模式在复杂地形区风场模拟的影响

黄土高原特殊的地形导致该地区风场特征复杂,本文以黄土高原为研究对象,通过3组数值模拟试验,探讨次网格地形参数化对WRF模式模拟近地面风场的影响。结果表明:地形越复杂,次网格地形标准差越大,WRF模式中离站点最近格点的海拔高度与站点实际海拔高度差异越大;研究时段内,若不考虑次网格地形影响,观测风速较小时,WRF会高估风速,而观测风速较大时,WRF则低估风速。在相对平坦的地区,模拟风速与观测风速之间的均方根误差较小,地形越复杂时,均方根误差越大。采用次网格参数化方案后,模式对风速的模拟有明显改进,认同指数、准确率、相关性等都有明显提高,模拟误差明显降低。3组试验均能模拟出风速的日变化,但不考虑次网格地形影响时,模拟的风速几乎是观测值的2倍,考虑次网格地形影响后,模拟的风速明显降低,其中Jimenez方案模拟的风速与观测值之间的偏差最小,能更好地描述风速的空间分布特征,而Mass方案仅降低了平原和山谷地区的风速却没有突出山区的高风速,对风速空间变化的模拟不如Jimenez方案。     

华东沿海ASCAT反演风速的检验和订正

基于2010—2014年ASCAT反演风速、华东沿海14个浮标站和浙江沿海249个自动气象站资料,对华东沿海ASCAT反演风速进行检验和订正。研究表明:站点ASCAT风速误差不仅与离岸距离相关,而且与站点周围地形有关,误差较大的5个浮标站均位于舟山群岛附近海区,平均偏大4.79 m·s-1,其他海区浮标站的ASCAT反演风速平均偏差仅为0.46 m·s-1。ASCAT反演风速与浮标站风速的线性回归可有效减小反演风速误差,订正后误差大幅减小,误差越大的站点订正效果越好。相距160 km内的浮标站点间风速误差呈正相关,且站点间距越小,误差正相关越明显。考虑带影响半径的反距离权重,采用邻站方程订正法和邻站误差订正法分别对华东沿海ASCAT反演风速进行订正,均能明显减小平均偏差和均方根误差,两种方法订正效果接近,即两种方法均有较好的订正效果,可用于实际业务。     

基于CMA-TRAMS模式地形高度偏差的地面气温误差订正方法研究

采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大（对模式地形高度偏低站点尤为明显）,但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高（即模式地形高于测站高度）和地形高度偏差小于50 m的站点,06时地面气温（世界时,下同）预报总体偏低,对地形高度偏低大于50 m的站点（即模式地形低于测站高度）,06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。     

ROAD模式渤海10 m风场预报误差订正

使用"递减平均法"和渤海28个石油、平台、浮标站资料分析得到的渤海10m风速逐时格点场,对ROAD模式(Regional Ocean and Atmosphere Model)渤海区域10m风速预报进行误差订正,不同权重系数试验表明:对于渤海10m风速预报场,权重系数取0.18,订正效果最佳,12～72h预报时效内,月逐时均方根误差和平均偏差均有明显改善,分别减小1.0～1.5m/s和2.3～3.0m/s;对比渤海北部、西部和中部代表格点72h预报时效内,逐12h最大风速评分结果发现:60h预报时效内,当风速预报在5～6级时,渤海北部、中部和西部订正后的预报评分大多有所提高;当风速预报在7级时,渤海北部和中部分别在36～72h和24～48h,预报评分有提高;在实况出现最多的风力分布范围内评分提高最多。     

广东省ECMWF降水集合预报统计量的检验与分析

利用欧洲中期天气预报中心(ECMWF)的降水集合预报历史资料,对广东省86个地面气象站进行分级统计检验,分析集合统计量产品的预报效果。评分结果表明,降水量级越大,确定性预报与集合产品TS越低,对应最优分位数越高;对于冬季暴雨与前汛期晴雨,集合预报产品效果较好,TS分别达到0.50和0.66,对于前汛期暴雨效果则较差,TS在0.10左右。随着预报时效增加,集合预报TS逐渐减小,预报时效72 h,前汛期集合TS下降幅度较大;预报时效72 h,后汛期集合TS下降幅度较大。对于冬季和后汛期暴雨,集合预报相对于确定性预报有明显优势,并且预报时效越长,集合TS增幅越大。对于站点降水,在广东省东部和西南部沿海地区,确定性预报对暴雨的预报能力比较欠缺,而集合预报能显著改善这些地区的暴雨预报,部分站点的TS增幅能够达到0.20以上。     

西北地区的快速更新循环同化预报系统性能检验和评估

为充分了解西北地区的高分辨率快速循环同化预报系统(Rapid Update Cycle,RUC)的预报性能,对该系统2012年6月2日至7月6日的预报结果进行了检验和评估。利用双线性插值方法将西北RUC系统的预报结果插值到最近的观测站点上,计算500 hPa和700 hPa位势高度场、温度场、风向以及风速的平均误差和均方根误差,对预报结果进行检验评估;24 h定量降水利用累计降水分级检验方法,检验的统计量包括TS评分、偏差(BIA)、公平T评分(ETS)和真实技巧评分(TSS)。检验分析表明:(1)500 hPa的高度场预报、温度场预报、风速预报和地面2 m温度预报都存在着正的系统性偏差,其24 h平均误差均值分别为0. 17 gpm、0. 63℃、1. 19 m·s-1和1. 49℃。700 hPa高度场和温度场预报存在着负的系统性偏差,其24 h平均误差均值分别为-0. 41 gpm和-0. 11℃。(2)除了风速、风向,其他要素24 h预报结果的均方根误差均值都小于48 h预报结果的均方根误差均值,500 hPa高度场和温度场的24 h预报的均方根误差均值分别为1. 32 gpm和1. 37℃,而其48 h值则分别为1. 56 gpm和1. 53℃;700 hPa高度场和温度场的24 h预报的均方根误差均值分别为1. 21 gpm和1. 40℃,而其48 h值则分别为1. 38 gpm和1. 94℃;2 m温度的24 h和48 h的均方根误差均值分别为3. 06℃和3. 30℃,表明随着预报时效的增加,预报性能降低,这与模式预报性能相符。(3)24 h定量降水分级的TS评分、ETS评分和TSS评分几乎都有相同的大值中心,说明模式对于这些大值中心附近地区的各量级降水预报效果比较好。总体上,模式对于大雨和暴雨预报效果较好的地区处于西北地区东南部。从偏差(BIA)评分来看,模式对青海南部与四川北部交界地区的降水预报并不理想,表现为小雨预报漏报较多,而对该地区中雨和大雨预报空报较多。     

基于MOS的广西北部湾沿海秋冬极大风速精细化预报

采用北部湾北部沿海6个自动站实况资料和欧洲中心细网格数值预报产品,根据模式输出统计法(MOS),对广西北部湾地区2012年—2016冬半年(9月到次年2月)日极大风速建立站点秋冬季不同预报时效的多元线性回归方程,并用2017冬半年的数据进行TS检验评分.结果表明,秋冬季日极大风速和代表引导气流的500hPa蒙古槽、代表...     

冬奥延庆赛区风的预报技巧比较分析

为了提高2 min平均的10 m风预报精度,开展了多种建模和检验方法比较.根据欧洲数值中心集合预报系统产品及北京海陀山的5个测站资料,使用一元回归、岭回归、神经网络、粒子群-神经网络等方法建模,进行2021年2月逐日的未来3天6 h间隔预报误差订正,并从多个角度分析预报精度差异.结果为:(1)系统误差、预报准确率检验表...     

基于特定因子的河南省干热风客观预报方法

利用2000—2014年5月1日到6月10日河南省121个气象观测站点的逐日观测数据、欧洲中心模式预报资料,对河南省干热风天气进行分析,总结了干热风天气形势分类模型,同时利用多元回归法建立了河南省干热风天气的客观预报方法。分析结果得出:河南省干热风天气发生主要形势为西北气流型、高压脊型和纬向环流型3类;通过多元回归分析筛选出日最高温度预报因子为前一日最高气温、当日最低气温、08:00气温、EC850hPa 24h温度预报,相对湿度预报因子为EC850hPa 24h相对湿度预报、前一日14:00相对湿度、当日08:00露点温度,风速预报因子为EC细网格过去3h10m阵风预报,建立温度、湿度和风速3要素的预报方程;利用预报方程对2014年预报时段的天气进行检验,结果表明,对于轻干热风预报的TS评分为62%,重干热风预报的TS评分为64%。     

浙江省几种灾害性大风近地面阵风系数特征

阵风特性研究是大风预报和服务的基础。基于2011-2013年浙江省自动气象站逐日逐10 min测风资料,分析了浙江省陆地和近海海面冷空气、热带气旋和强对流大风的阵风系数特征。结果表明:冷空气和热带气旋大风阵风系数空间分布基本相同,大风主要发生在近海海面和沿海地区,海面阵风系数一般小于1.5,等值线平行于海岸线且自西向东逐渐减小,陆地阵风系数一般大于2.0,山区可超过3.0,表现出地形对阵风系数的增强作用。强对流大风阵风系数明显高于业务规范平均值,发生地点遍及浙江省各地,但发生概率超过10%的站点主要位于沿海地区和近海海面。风向基本不影响阵风系数空间分布。冷空气和热带气旋站点阵风系数与海拔高度有较高正相关性。模糊聚类分析发现:浙江省400 m以上山区站与70 m以下的低海拔站点在阵风系数特征上分属不同空间类型;基于逐步回归建立站点阵风系数预报模型,检验表明:模糊聚类可帮助提高模型阵风系数预报能力。     

华南区域高分辨率数值模式前汛期预报初步评估

基于华南地区自动站逐小时观测资料, 采用传统站点评分、邻域法等评估华南区域高分辨率数值模式(包括GRAPES_GZ_R 1 km模式和GRAPES_GZ 3 km模式)对降水、地面温度和风场等要素的预报能力。结果表明: GRAPES_GZ_R 1 km模式的降水预报技巧优于GRAPES_GZ 3 km模式, 模式预报以正偏差为主。对于不同起报时间的预报, 00时(世界时, 下同)起报的预报效果优于12时。GRAPES_GZ_R 1 km模式的TS评分是GRAPES_GZ 3 km模式的两倍以上, 对不同降水阈值的评分均较高。分数技巧评分(FSS)显示GRAPES_GZ_R 1 km模式6 h累计降水预报在0.1 mm、1 mm及5 mm以上的降水均可达到最低预报技巧尺度, 对所检验降水对象的空间位置把握能力更好。2 m气温和10 m风速检验结果表明两个模式均能较好把握广东省温度的分布特征, GRAPES_GZ_R 1 km模式对2 m气温预报结果优于GRAPES_GZ 3 km模式, 预报绝对误差更小; 两个模式对风速的预报整体偏强, 预报偏差在1~4 m/s之间, 但相比之下GRAPES_GZ 3 km模式在风场预报上表现更好。GRAPES_GZ_R 1 km模式的2 m气温和10 m风速预报偏差随降水过程存在明显波动, 强降水过后温度预报整体偏低, 风速预报偏强, 在模式产品订正、使用等需要考虑模式对主要天气系统的预报情况。总的来说, GRAPES_GZ_R 1 km模式的预报产品具有较好的参考价值。      

上海沿岸海域风场质量控制与预报检验

利用2016年上海沿岸海域19个站点的风场资料,进行了风场质量控制,包括完整性检查、内部一致性检查、持续性检查和高度订正。同时挑选10个站点作为实况对2016年风场模式预报进行检验,包括风速预报误差、风速预报准确率和风向预报检验,对比了风场观测资料质量控制前后的检验结果,最后对两次大风过程进行了检验。结果表明:预报检验结果均随着预报时效的增加而变差;整体误差秋季和冬季较小,6月和7月误差较大;分级检验0～5级风速准确率在0.9～1之间,预报值比实况偏大,6级以上风速预报准确率逐渐降低,且预报值比实况偏小;风向检验呈现明显的季节性,冬季12月、1月误差小,准确率最高,夏季6月误差最大,准确率最低;质量控制后检验结果都得到正面提升;两次大风过程预报准确率均在70%以上。     

风电场风电功率短期预报方法比较

通过开展湖北省九宫山风电场短期风电功率预报方法的研究,以不断提高预报准确率,为风电场提供更有价值的预报服务,该文利用MM5耦合CALMET模式模拟风电场风速资料,采用物理法和动力统计法探讨风电场各种情况下预报应用效果。结果表明:模拟风速释用订正能有效降低风速预报误差,但难以修正预报趋势;动力统计法更适用于九宫山风电场的复杂山区地形,可能由于该方法能自发适应风电场地理位置;采用实测数据建立的风电功率预报模型优于理论风电功率模型,这也与风机实际运行环境会影响风机输出功率有关。     

冬奥会复杂山地百米尺度10m风速预报的机器学习订正对比试验

本文以传统机器学习算法XGBoost和深度学习算法CU-Net为基础,针对北京快速更新无缝隙融合与集成预报系统（RISE系统）预报的北京冬奥会延庆及张家口赛区100米分辨率的冬季近地面10 m风速数据,进行每日逐小时起报的未来逐6小时间隔的冬奥高山站点及其周边地区风速预报偏差订正方法研究和对比分析。对于站点订正,首先将RISE系统预测的10 m风速插值到对应的自动气象站站点,然后根据风速等级表归类,针对每个分类单独构建XGBoost模型,每个区间模型合并后形成L-XGBoost,使用均方根误差和预报准确率作为评分标准,结果表明风速归类的L-XGBoost算法订正效果比不归类的原始XGBoost模型有一定提升,说明在传统机器学习中加入归类方法有助于改善复杂山地站点风速预报技巧。对于站点及其周边地区风速订正,本文在CUNet模型基础上,通过引入不同深度的CU-Net子网络,构建了新的算法模型CU-Net++,并考虑了预报日变化误差和复杂地形对10 m风速的影响,以自动气象站为中心构建空间小区域样本数据,对RISE系统风速预报偏差进行订正。试验结果表明,CU-Net和CU-Net++均可以充...     

大连地区ECMWF细网格10 m风场与观测实况对比与检验

选取2016年1月至2018年12月ECMWF（简称EC）细网格10 m风资料,与大连地区8个国家气象观测站地面各类实况风速资料进行对比分析,得出EC 10 m风速预报与最大风速最为接近,与极大风速相关性最好,EC 10 m风速对大连地区8站整体预报平均偏大。通过对EC 10 m风速各预报时限资料与其对应的最大风速误差进行统计分析。结果表明：按实况分类,从风速平均误差来看,实况3级与预报最接近,小于3级时预报偏大,大于3级时预报偏小,各风向间的风速误差也比较明显,但比风级间的误差要小一些;平均绝对误差则是2—3级最小。各时限风速平均误差相差不大,基本在0.1—0.3 m·s^-1间,平均绝对误差则随时限延长呈缓慢增大趋势。风速误差具有明显的日变化,表现出白天小、夜间大、午后最小、下半夜最大的特征。风速误差也因测站不同,在不同风级和风向的反应也各不相同。     

湖北分县MOS预报系统建立与评分

在T213L31数值模式产品释用基础上,设计计算并选用模式大气中分别与降水、地面气温和风场有天气学意义的线性化预报因子,采用Kalman滤波和相似-Kalman滤波,在湖北省及邻近范围,建立实时(逐日更新样本)多站点、多时次、多要素的统计MOS预报方程,做定点(分县)、定时(6小时分辨率)和定量降水与概率、地面气温和风场客观预报(MOS预报系统)."系统"经2005、2006年6-8月业务试验表明,各个MOS预报都具稳定性和具有一定的评分水平.从而表明,相似-Kalman滤波在一定程度上消去单纯Kalman滤波"预报滞后"效应,并实现用Kalman滤波或相似-Kalman滤波做定性、定量降水MOS预报,和做地面气温和风场MOS预报,且用了实时历史样本雨/晴预报准确率,当作有/无降水发生概率.