K 近邻非参数回归概率预报技术及其应用

针对参数回归技术制作概率预报存在拟合好、但预报结果不稳定的现象, 提出了用K近邻非参数回归技术制作概率预报的新途径。K 近邻非参数回归技术包括历史样本数据库、近邻子集生成和优化以及预报量估计4 个主要部分。利用该技术进行了单要素概率预报(主要包括云量和降水)和多维联合概率预报(降水、总云量、风速和气温)试验, 并对试验结果进行了检验。实例研究结果表明:该文所给出的计算方案预报稳定性好, 准确率较高,具有良好的业务应用价值。     

中国天气发生器模拟非降水变量的效果评估

文中介绍了天气发生器BCC/RCG-WG基于谐波分析和多变量平稳过程对最高气温、最低气温、日照时数、相对湿度和平均风速等5个非降水变量的模拟模型,并根据中国669个站点1971-2000年的逐日气候资料(降水、最高气温,最低气温、日照时数、相对湿度和平均风速)计算了各站点的非降水变量的模拟参数.根据计算的模拟参数对中国...     

CoLM 模拟土壤温度和湿度最敏感参数的研究

合理的参数估计是提高陆面模式模拟能力的关键,而其过高的维数极大地增加了合理估计的难度。参数的敏感性分析,旨在针对目标变量找出最敏感的参数,从而实现在有限计算机资源条件下,对参数进行合理估计。本文以Common Land Model(CoLM)为研究对象,利用Morris 方法定性地从40 个参数中筛选出影响土壤温度和土壤湿度的敏感参数,并通过Sobol' 方法从敏感性顺序和各敏感参数的累积贡献率两个方面,对Morris 方法分析结果进行验证。在此基础上,本研究还利用Sobol' 方法对已筛选的参数做定量敏感性分析,最终确定参数的主效应、交互效应和总效应。研究结果表明,Morris 方法可以基于少量样本实现复杂的陆面模式的参数筛选,而Sobol' 方法的结果又从定量的角度描述了每个敏感参数对模型响应的影响程度,并且两种方法结论一致。     

一种卫星反演海温资料的补缺方法

卫星反演海温资料的补缺问题一直受到气象海洋工作者的关注,本文对海温补缺问题提出一种新的构想.首先对所研究的区域分块处理,对每一块子区域海温缺失部分进行Kriging方法插值,并利用历史资料,将海温缺失部分构成一个时间序列,借助于Kalman滤波,得到滤波以后的海温,然后对插值与滤波后的海温进行数据拟合.在拟合过程中引入区域信息量V,在不同象素点参数条件下拟合出最优拟合参βα、β并进行误差估计,实际试验表明子区域选取200×200个象素点,并把整张云图分为144块区域,对海温补缺效果十分明显.本文为海温补缺提供了一种全新的,具有较高精度且实际业务系统可操作的方法.     

第九讲 灰色预测模型GM(1,1)与关联分析BASlCB程序

在灰色系统理论中,最富实用的是一阶单变量模型(GM(1,1))和关联分析,为读者便于使用,下面给出两者的BASIC程序。 9.1.GM(1,1)程序 1.功能 对时间序列x(i),通过累加处理,用最小二乘估计求取时间响应方程中的参数a和u,从而求得对x(i)的拟合值和预测值。当拟合的最大误差超过事先给定的精度Q时,自动进行残差订正。当残差列ε不是单调序列时停止运行。     

呼和浩特市气温变化及最高、最低气温的非对称变化

采用线性倾向估计方法计算了呼和浩特站四季及年平均气温、平均最高、平均最低气温及极端最高、极端最低气温、气温日较差多年来的变化趋势,并用最优二分割方法、Mann-kendall非参数统计检验方法对平均气温、平均最高、平均最低气温进行气候阶段划分和突变检验.结果表明各个季节和年平均气温都存在显著的增高趋势,其中冬季和年平均气温增温趋势非常显著;最高、最低气温存在明显的非对称变化,增温主要发生在夜间,无论平均最低气温还是极端最低气温都存在显著的增高趋势,气温日较差都呈显著下降趋势.平均气温、平均最低气温、平均最高气温在1986年前后发生了明显突变.     

中国天气发生器非降水变量模拟参数分布特征

对基于马尔可夫链的理查森型中国天气发生器降水模拟已经有过比较系统的研究,但对非降水变量的模拟及其参数的分布特征等的研究还有待进一步深入。文中根据中国669个站点1971—2000年的逐日降水、最高气温、最低气温和日照时数资料,分干、湿两种状态计算了中国天气发生器各非降水变量的模拟参数——干、湿日条件下平均值和标准差的傅立叶系数以及各变量残差序列之间当天和后延一天的自相关、互相关系数,并分析了这些模拟参数在中国的空间分布规律,为中国天气发生器的进一步推广应用以及模拟参数的空间插值提供了技术支撑。     

系统辨识(5):迭代搜索原理与辨识方法

递推辨识与迭代辨识构成了两类重要的参数估计方法.递推辨识的递推变量与时间有关,因而可以用于在线估计系统参数;迭代辨识的迭代变量是自然数,与客观世界的时间无关,通常用于离线估计系统参数.基于辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念等辨识方法都可以用递推算法和迭代算法实现.迭代方法渊源很早,如求解矩阵方程Ax=b的雅可比迭代、高斯-赛德尔迭代等.迭代辨识方法主要使用梯度搜索、最小二乘搜索、牛顿搜索原理来实现.为此主要研究了CARMA系统和Box-Jenkins系统的最小二乘迭代辨识方法与梯度迭代辨识方法.这些方法也可推广到其他所有方程误差类系统和输出误差类系统,以及非线性系统.迭代辨识方法通常用于有限量测数据的系统辨识,其收敛性证明是辨识领域极具挑战性的研究课题.     

日气温数据缺测的插补方法试验与误差分析

对缺测气象观测记录进行插补是建立连续气象数据集的基础.将孤立1日或数日缺测资料进行插补的线性回归模型法应用于连续缺测数月的逐日最高、最低和平均气温的插补,并进行了一系列改进,包括:(1)用滑动选优法确定邻近参考气象站站数和数据样本时间窗的最佳值;(2)在记录缺测站与邻近参考站之间建立逐日气温的线性回归模型,并选取以最小绝对误差(Least Absolute Deviation,LAD)为目标函数求取模型参数的方法,取代以最小均方根误差为目标函数的最小二乘法(Least Squares Estimate,LAD)求解模型参数的方法,可提高计算效率和参数的稳定性;(3)进一步提出将LAD法与DeGaetano标准化序列法插补结果平均的综合插补方法,以减少极端误差.通过对湖北蔡甸气象站1961-2006年插补试验表明:(1)以4个邻近站和年数为8年、日数为15天时间窗的样本资料建模进行插补误差达到最小;(2)逐日最高、最低和平均气温的平均绝对误差分别为0.32℃、0.45℃、0.28℃,误差在±0.8℃以内的频次分别占总数的94.1%、84.8%、96.1%,观测值与插补值月相关系数在0.886以上.插补与观测资料平均值和相关系数分别通过了显著水平为0.05和0.01的检验.     

20世纪全球表面温度场序列的插补试验

利用基于主分量典型相关分析的典型变量回归 (CVR)插补模式 ,在综合分析Jones等 5°× 5°格点温度资料覆盖率的演变情况、缺测场与基本场温度距平相关结构、稳定性的基础上 ,确定合理的插补方案 ,对其陆面格点温度场进行插补延长试验 ,得到了 1 90 0～ 1 998年连续、均一的全球月平均气温场序列。独立样本检验表明插补效果优良 ,总缺测场误差方差与原序列方差之比低于 0 .40。插补前后全球及纬向平均序列的演变特征基本一致 ,原 Jones序列的线性增温率较重建序列高0 .1 1℃ /(1 0 0年 ) ,可能与原 Jones场序列空间分布的不均一性有关     

Comparison of missing value imputation methods in time series: the case of Turkish meteorological data

This study aims to compare several imputation methods to complete the missing values of spatio–temporal meteorological time series. To this end, six imputation methods are assessed with respect to various criteria including accuracy, robustness, precision, and efficiency for artificially created missing data in monthly total precipitation and mean temperature series obtained from the Turkish State Meteorological Service. Of these methods, simple arithmetic average, normal ratio (NR), and NR weighted with correlations comprise the simple ones, whereas multilayer perceptron type neural network and multiple imputation strategy adopted by Monte Carlo Markov Chain based on expectation–maximization (EM-MCMC) are computationally intensive ones. In addition, we propose a modification on the EM-MCMC method. Besides using a conventional accuracy measure based on squared errors, we also suggest the correlation dimension (CD) technique of nonlinear dynamic time series analysis which takes spatio–temporal dependencies into account for evaluating imputation performances. Depending on the detailed graphical and quantitative analysis, it can be said that although computational methods, particularly EM-MCMC method, are computationally inefficient, they seem favorable for imputation of meteorological time series with respect to different missingness periods considering both measures and both series studied. To conclude, using the EM-MCMC algorithm for imputing missing values before conducting any statistical analyses of meteorological data will definitely decrease the amount of uncertainty and give more robust results. Moreover, the CD measure can be suggested for the performance evaluation of missing data imputation particularly with computational methods since it gives more precise results in meteorological time series.     

新一代省级农业气象预报系统通用统计预报模型的设计与实现

统计预报方法是农业气象预报业务中常用的一种方法。在“新一代农业气象预报系统”中，系统设计了一种通用统计预报模型构建方法，可用于作物产量预报、农业气象灾害预报等农气预报业务。本文主要介绍了通用预报模型的设计原理、实现方法及应用试验结果等。     

Coverage probability of bootstrap confidence intervals in heavy-tailed frequency models, with application to precipitation data

Bootstrap, a technique for determining the accuracy of statistics, is a tool widely used in climatological and hydrological applications. The paper compares coverage probabilities of confidence intervals of high quantiles (5- to 200-year return values) constructed by the nonparametric and parametric bootstrap in frequency analysis of heavy-tailed data, typical for maxima of precipitation amounts. The simulation experiments are based on a wide range of models used for precipitation extremes (generalized extreme value, generalized Pareto, generalized logistic, and mixed distributions). The coverage probability of the confidence intervals is quantified for several sample sizes (n?=?20, 40, 60, and 100) and tail behaviors. We show that both bootstrap methods underestimate the width of the confidence intervals but that the parametric bootstrap is clearly superior to the nonparametric one. Even a misspecification of the parametric model—often unavoidable in practice—does not prevent the parametric bootstrap from performing better in most cases. A tendency to narrower confidence intervals from the nonparametric than parametric bootstrap is demonstrated in the application to high quantiles of distributions of observed maxima of 1- and 5-day precipitation amounts; the differences increase with the return level. The results show that estimation of uncertainty based on nonparametric bootstrap is highly unreliable, especially for small and moderate sample sizes and for very heavy-tailed data.     

MapReduce在气象数据传输时效统计中的应用

气象数据的传输时效保障已成为探测和信息部门的重要工作之一,快速统计各类数据到报率和及时率成为一项迫切需求.基于MapReduce编程模型设计了各类数据到报率和及时率的算法,在Hadoop平台上利用该算法实现了各类数据的逐日到报率和及时率的统计,选择文本方式和Sequence File方式作为MapReduce计算模型的输入数据源进行对比试验.试验结果表明,Sequence File作为数据源能更好地提升MapReduce并行运算的性能.     

基于智能计算的广西冷湿极端天气定性和定量组合预报方法研究

论文以逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料为基础,将表征冬季低温冷害的冷湿指数作为预报量,先利用随机森林方法进行冬季逐日冷湿极端天气定性判别预报分析,再进一步以粒子群算法为基础的模糊神经网络集成个体生成技术方法,建立一种新的非线性智能计算定量集成预报模型（PSO-FNN）,进行了广西冷湿极端天气定量预报模型的预报建模研究。结果表明,论文提出的这种以不同的智能计算方法构建的定性、定量综合预报分析方法,比较符合极端天气小概率事件的预报特点,其中随机森林算法构建的定性预报模型,对广西冷湿极端天气事件的预报TS评分（Threat Score）为0.77,空报率为0.23,漏报率为0,ETS评分（Equitable Threat Score）为0.41,TSS评分（True Skill Statistic）为0.53。而采用粒子群—模糊神经网络方法构建的极端冷湿指数定量集成预报模型比其他线性和非线性预报模型具有更好的预报精度。其中PSO-FNN集成预报模型在预报建模样本和独立预报样本个例相同的情况下,比回归方法的预报平均绝对误差下降了25%以上,比一般的普通模糊神经网络预报平均绝对误差下降了14.37%。主要原因是因为PSO-FNN集成预报模型通过改进集成个体的预报能力和增强集成个体的种群差异性,提高了集成预报模型的预报精度。因此,该智能计算集成预报模型的泛化能力显著提高,预报结果稳定可靠,为冷湿极端天气客观预报提供了新的预报工具和预报建模方法。     

沙尘天气定量分级方法研究与应用

利用已有的关于能见度与沙尘浓度统计反演关系的研究成果,对沙尘天气进行了定量分级研究.利用2004、2005年春季3～5月沙尘天气地面气象观测资料,采用沙尘天气的强度分类与反演的沙尘浓度分级的统计方法,建立了不同沙尘天气(扬沙、沙尘暴和强沙尘暴)对应的沙尘浓度等级,并通过对2006年沙尘天气的实例分析,验证了该种分级方法的可用性.通过由能见度反演的观测结果与沙尘数值预报模式的对比分析,探讨了沙尘数值预报业务模式产品的天气学释用方法,建立了不同强度沙尘天气与沙尘数值模式输出的浓度之间的定量分级关系.     

集合预报统计学后处理技术研究进展

近年来,随着集合预报的广泛应用,大量新颖的集合预报统计学后处理方法层出不穷,因此有必要对其进行系统地回顾。首先,对单变量集合预报统计后处理方法进行分类介绍,包括基于特定数学分布的参数化方法:逻辑回归、非均匀回归、贝叶斯模型平均、集合敷料法,以及灵活的非参数化方法:排序直方图订正、可靠性曲线订正、衰减平均偏差订正、分位数映射、分位数回归、概率匹配、频率匹配、最优百分位、最优评分法、逐成员订正、相似法、邻域法、基于对象的概率预报方法和虚拟降水法。其次,拓展到须考虑变量依赖性结构的多变量集合预报统计后处理方法,包括参数化的连接方法,以及非参数化的集合连接耦合和Schaake洗牌法。再次,介绍多模式集合和机器学习方法。最后,总结并讨论了常用的集合预报统计后处理方法使用中需要注意的问题。     

云模式预报雨量与雷达估测雨量及自动站实测雨量比较

利用2007--2008年1—12月国家气象中心GRAPES云模式预报雨量资料,及同期江西区域天气雷达估测雨量及自动气象站实测雨量资料,比较其基本统计与地理分布特征,并对其进行相关计算与结果分析,选取129个数据样本,计算分析它们之间的复相关性,并对其计算误差进行比较与分析。结果表明,三种雨量的复相关性较好。GRAPES云模式预测的时雨量值最大,比雷达估测的时雨量值及自动站实测的时雨量值偏大,自动站实测时雨量值次之雷达估测的时雨量值偏小。     

改进的ECMWF集合预报融合产品在海河流域的检验与分析

利用2012—2015年5—8月欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)集合预报在海河流域的17个降水统计量产品与对应降水实况的TS评分检验结果,设计了适合该地区的多种统计量融合技术改进方案,并对新方案进行试验评估。4个月(2016年5—8月)的逐日试验分析结果显示:对于36 h预报时效,与国家气象中心下发的产品相比,改进后的融合产品在5个降水量级的TS评分上均有一定程度提高,降低了暴雨以下量级降水的漏报率,同时消除了大暴雨的虚报区;对于60 h和84 h预报时效,改进后的产品对大雨及以下量级降水的TS评分均有所提高,降低了大雨及以下量级降水的漏报率。新方案更符合海河流域夏季降水特点,提高了该地区降水预报准确率。     

统计预报海温场驱动的CAM3.1模式预报试验

基于动力气候模式进行月一季尺度预报的“两步法”思想,提出一种新的预报海温场统计模型,并以该统计模型预报的海温场驱动NCAR CAM3.1模式对1981-2000年月时间尺度的东亚500 hPa高度距平场进行客观回报试验;在此基础上,提出了对预报结果的订正方法。结果表明:统计预报海温模型的预报海温场能够反映出全球海温空间分布的基本特征,并对表征ENSO事件的Ni?o3.4区海温变化的预报能力较强。该统计模型预报的海温场驱动的CAM3.1模式可以较好地预报出东亚500 hPa环流的主要分布特征,试验表明:适当的统计订正方法可以在一定程度上提高CAM3.1模式对东亚夏季500 hPa环流背景的预报技巧。