基于最小二乘支持向量机的雷暴预报初探

利用2007年和2008年南京地区NCEP 1°×1°历史再分析资料和江苏省闪电定位资料,探讨最小二乘支持向量机(LS-SVM)方法在雷暴预报中的应用.将NCEP 1°×1°资料作为实况,选取了该资料与雷暴相关性较好的参数作为预报因子,而江苏省闪电定位资料则作为预报量,建立南京地区雷暴预报的最小二乘支持向量机模型,并用...     

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.     

豫西地区雷暴预警预报系统构建方法研究

目前,基层台站在雷暴预警预报中主要依赖传统经验预报方法,而对卫星云图、大气电场、多普勒雷达回波和高分辨率数值预报产品等资料释用水平不高,存在主观定性分析多、客观定量计算少等不足。依托现有气象资料和雷暴预报方法,以雷暴预警预报系统构建为目标,从气象数据仓库构建、支持向量机雷暴预报、相似预报雷暴预报、Poor Man集合预报技术和多源数据融合分析等方面,探讨了雷暴预警预报系统构建方法,实现了雷暴中期预测、短期预报和短时临近预警三个层次的预报功能,解决了气象资料庞杂难以管理、数值预报产品释用水平不高、数值预报结果存在"跃变"、多源数据融合分析缺乏手段等问题,提高了基层台站雷暴预报工作效率和预报水平,同时也为其他地区类似系统构建提供了参考。     

η中尺度暴雨预报模式在湖北的汛期试验分析

在2002年主汛期，将武汉暴雨研究所从中科院引进的宇如聪等设计的两个版本的η坐标有限区域数值预报模式REM、AREM进行了每天两个时次的数值预报试验，并对它们降水预报的TS评分进行了比较。结果表明，改进后的REM模式(AREM)预报水平有明显提高。     

2007年汛期AREM模式降水预报效果检验分析

过对2007年6～8月AREM模式降水预报做不同时效、不同区域的TS评分对比,比较AREM与T213、JAPAN三个模式降水预报TS评分,并对AREM模式2007年汛期主要降水过程预报效果进行检验分析,从而获得AREM模式2007年汛期降水预报效果和特点,结果表明:(1)从AREM模式不同时效降水预报TS评分对比可知,对长江中下游区域,AREM模式12～36 h预报效果好于0～24 h预报,24～48 h效果相对较差,对华南、华北、东北、西南东部区域的降水,AREM模式预报效果均随时效延长而减弱。(2)由AREM模式对不同区域降水预报TS评分的对比可知,AREM模式(各预报时效)对长江中下游地区各量级降水预报的TS评分均高于全国范围的TS评分,西南东部(各预报时效)小雨(以上)量级TS评分均为各区域最高,但中雨以上各量级TS评分均低于全国范围,其他区域无稳定的预报特性。(3)从AREM、T213、JAPAN对长江中下游地区12～36 h降水预报TS评分对比可知,三个模式小雨(以上)量级降水的TS评分基本相当,对该区域暴雨、大暴雨强降水中心的预报,AREM好于T213,JAPAN相对较差,随量级增加AREM预报优势表现更为明显。(4)对2007年汛期6次个例分析可知,AREM模式对长江中下游尤其是江淮流域的大范围强降水过程预报效果较好,对暴雨、大暴雨中心的预报较T213和JAPAN有明显的优势,但对小范围、局地强降水过程的预报效果不够理想。     

四川雷暴大风的预报因子筛选及预报效果

利用ECMWF历史预报资料,从动力、热力、水汽、不稳定条件四个方面选取影响雷暴大风发生的因子,构建多因变量数组,并利用主成分分析确定配料系数及其阈值,在此基础上进行配料,研发了四川省雷暴大风概率预报产品投入应用。2018年汛期应用表明:雷暴大风产品对预报概率超过65%的区域有指示意义,且优于ECMWF数值预报的100 m高度风,在检验的个例中,有效命中率达25%以上。      

AREM模式预报体系对2010年5月我国南方连续暴雨过程预报效果评估

对AREM模式预报体系各成员2010年5月我国南方连续性暴雨过程的预报效果和预报特点进行了详细分析。结果表明:AREM模式预报体系各成员对此次过程的预报效果较好,且各具优势:业务模式对主雨带位置、范围有较好的预报效果;快速更新循环预报系统具有提供短时临近预报的优势;集合预报系统的降水集合平均和概率预报的有机结合能够为主雨带及其降水中心的预报提供较有价值的参考依据。     

基于支持向量机的雷暴大风识别方法

基于北京市观象台雷达基数据和加密自动气象站数据,利用支持向量机算法建立了雷暴大风天气的有效识别模型。首先确立了9个用于识别雷暴大风的预报因子:回波顶高、最大反射率因子、最大反射率因子所在高度、垂直积分液态水含量、垂直积分液态水含量随时间变率、垂直积分液态水含量密度、雷暴大风发生前最大反射率因子下降高度、风暴移动速度、速度谱宽。通过计算各预报因子在大风和非大风样本中的概率分布,得到对应的各项预报因子雷暴大风的隶属度,利用得到的隶属度函数对样本进行归一化处理。确立核函数和模型参数,利用支持向量机建立雷暴大风天气的提前识别和临近预警模型。通过对北京2017年7月7日飑线和2012年5月19日块状回波引起的灾害大风典型个例的识别效果检验,得到两个个例预测的命中率、误判率和临界成功指数分别为92.0%,22.1%,73.0%和99.1%,40.5%,59.2%,对于提高雷暴大风预警预报的准确率有一定帮助。     

AREM模式中陆面过程的改进与试验

为了提高AREM模式业务预报能力,对AREM业务模式陆面过程参数化方案作了修改,将陆面过程模式BATS耦合其中;同时,应用耦合BATS的AREM模式与原模式分别对2006年6～7月我国南方汛期降水过程进行了典型个例模拟分析和批量后报试验;另外,对降水预报进行了分区统计检验。结果表明,引入BATS方案使模式对降水区和降水中心预报有较好的改进,漏报率减小,Ts评分明显提高,这说明恰当描述陆面过程对改进AREM模式降水预报具有重要作用。     

基于支持向量机的雷暴潜势预报初探

根据2008—2010年夏季邵阳地区的NCEP全球再分析资料(分辨率为1°×1°)和闪电定位资料,利用支持向量机(SVM)分类方法建立该地区雷暴潜势预报模型,并用测试样本检验了该模型的预报能力,同时与Logistic回归模型和Bayes判别法的预报效果进行了比较。结果表明,SVM模型的预报准确率为86.21%,虚警率为15.25%,漏报率为13.79%。对比三种模型的TSS技术评分,发现使用SVM方法建立的模型对邵阳地区雷暴预报的效果最好,评分值为0.79。因此,SVM方法所建立的模型可以为邵阳地区6 h的雷暴潜势预报提供一定的参考价值。     

基于QPE和QPF的遗传神经网络洪水预报试验

以湖北省清江上游水布垭控制流域为例,利用分组Z-I关系并结合地面雨量站资料对雷达估算降水进行校准,计算出流域实况平均面雨量;再利用遗传算法和神经网络相结合的方法建立订正AREM预报降水的模型;最后,将订正前后的AREM预报降水输入新安江水文模型进行洪水预报试验。结果表明：订正后AREM预报降水能明显提高过程的累计降水量预报精度,平均相对误差减小幅度在60%以上,对逐小时过程降水预报精度也有一定提高,但与实况相比仍有一定差距;订正前后AREM预报降水的洪水预报试验的确定性系数的场次平均从-32.6%提高到64.38%,洪峰相对误差从39%减小到25.04%,确定性系数的提高效果优于洪峰相对误差,整体上洪水预报精度有所提高。     

2007年主汛期武汉区域四种数值模式定量降水预报评估

利用武汉中心气象台研发的“武汉区域气象中心天气轨道业务产品检验与评估平台”,对武汉区域气象中心在业务中使用的T213、AREM、日本数值预报模式和德国数值预报模式在2007年主汛期的降水预报进行了分级降水检验以及时空分布演变综合评估。结果表明,日本数值预报模式的综合预报性能最好,AREM次好,各模式均存在对强降水预报漏报率偏大的问题;AREM模式对降水带分布和中心强度的预报与实况最接近,表现出对降水带分布较强的预报能力,其它模式对强降水中心位置及强度的预报均有一定偏差;四种数值模式对区域强降水过程的发展趋势具有较强的预报能力,但降水量预报与实况有一定的差距。     

支持向量机非线性回归方法的气象要素预报

该文介绍了基于基本的支持向量机非线性回归方法,该方法具有解决非线性问题的能力,在数值预报解释应用技术中,对某些预报量与预报因子之间相关性不显著的要素,如风、比湿等,采用支持向量机非线性回归技术较多元回归的MOS方法更具优势;利用北京市气象局中尺度业务模式 (MM5V3) 的12:00(世界时) 起始数值预报产品和观测资料,制作北京15个奥运场馆站点6~48 h逐3 h的气象要素释用产品。对比MM5V3模式,从均方根误差的平均减小率来看,2 m温度减小12.1%,10 m风u分量减小43.3%,10 m风v分量减小53.4%,2 m比湿减小38.2%。与同期的MOS方法预报结果相比,整体预报效果SVM略优于MOS。由此可见,支持向量机非线性回归方法解决与预报因子之间非线性相关的气象要素较好,具有较高的预报优势。     

极端天气指数在强对流天气中的应用及检验

数值预报特别是集合预报技术大大提高了对极端天气的预报能力,目前对于温度、风、降水等要素,欧洲中心基于集合预报产品计算的极端指数产品为其极端性提供了定量化依据。但目前尚没有应用于业务预报的强对流天气极端指数产品,本文统计了与强对流天气密切相关的物理量,并计算了其极端天气指数,统计了极端天气指数在不同强对流天气中的阈值分布。结果表明,极端天气指数与强对流天气有密切的关系,且不同类型的强对流天气极端指数的分布和阈值具有各自的特点。基于上述结果,利用极端指数和模式降水资料,使用支持向量机方法,建立了不同类型强对流天气的客观预报方法,为业务预报极端强对流天气提供客观支持产品。     

用数值预报释用方法做近海及登陆热带气旋强度预报

这是一个对GFS数值预报产品进行解释应用的方法.将支持向量机(SVM)回归方法应用于近海和登陆热带气旋(TC)的强度预报.从其本身强度,影响范围内气象因子情况,地形因子等三个方面,设计相关因子,建立预报模式,用来预报12、24、36、48、60和72 h的TC强度.总体上模式强度预报结果与中央气象台的预报结果相近,优于气候持续法的预报;趋势预报优势明显,可高出7～12个百分点.表明可以成为台风强度预报的另一个工具,投入业务应用.     

支持向量机与卡尔曼滤波集合的西太平洋副热带高压数值预报误差修正

基于T106数值预报产品资料,提出了支持向量机和卡尔曼滤波相结合的方法来进行夏季西太平洋副热带高压数值预报的误差修正与预报优化。首先采用支持向量机方法建立了西太平洋副热带高压面积指数的误差修正模型。基于支持向量机预报优化模型尽管有比较好的拟合精度和预报效果,但与实际副热带高压指数尚有一定的差异。究其原因,除预报对象(副热带高压)本身比较复杂、模型优化因子不够充分以及数值预报误差自身的随机性以外,优化模型的输入、输出基本上是一个静态映射结构,因此前一时刻的预测误差难以得到有效的反馈、调整和修正。为考虑前一时刻预报误差的反馈信息,动态跟踪副高的变化趋势,随后引入卡尔曼滤波方法建立支持向量机-卡尔曼滤波模型,对支持向量机模型的输出结果作进一步的调整和优化。试验结果表明,该方法模型的预报优化效果优于T106数值预报产品以及单纯的神经网络修正模型和卡尔曼滤波修正模型的优化效果,能够较为客观、有效地修正西太平洋副热带高压指数的数值预报误差,改进和优化西太平洋副热带高压的数值预报效果。该方法为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,表现出较好的应用前景。     

基于三种机器学习方法的降水相态高分辨率格点预报模型的构建及对比分析

冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升（XGBoost）、支持向量机（SVM）、深度神经网络（DNN）3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。      

基于多模式短期集合预报技术的热带气旋降水预报试验

利用中尺度AREM和WRF模式为试验模式,由对降水预报结果影响颇大的积云和边界层参数化方案构成的10个集合预报成员,开展有限区域多模式短期集合预报在热带气旋降水预报中的应用与研究.分别研究了单个模式集合预报和多模式集合预报在热带气旋"天鹅"(0907)降水预报中的应用.试验结果表明:(1) WRF模式集合预报效果整体上...     

2005年AREM模式汛期试验结果评估分析

AREM2．3模式2005年在中国气象局武汉暴雨研究所汛期试验过程中计算稳定，计算了该模式降水预报的分区域（长江中下游、华南、华北、东北、西南、湖北省）汛期（6、7、8三个月）TS评分，全国范围汛期漏报率、空报率、预报偏差，及各区域年内重要降水过程预报和实况的对比及TS评分，计算该模式形势场预报的平均误差、均方根误差、倾向相关系数、误差标准差，并与持续性预报（将前一天的分析场当作前一天对当天的预报场，以此类推）对比，以此对模式预报效果进行分析、评估，并做出总结，为模式的进一步开发和应用提供参考。分析结果表明：AREM2．3模式在2005年汛期试验期问48小时内预报稳定；对于长江中下游、华北、华南、东北、西南、湖北省以至全国范围均有较好的预报水平，但总体上对于强降水中心位置的预报情况不是很好；模式对于高空形势场也具有较好的预报能力，对500hPa位势高度的预报好于对500hPa温度的预报。     

基于TMI产品资料对数值模式水凝物模拟能力的检验分析

本文利用热带测雨卫星(Tropical Rainfall Measuring Mission,TRMM)搭载微波成像仪(TRMM Microwave Imager,TMI)的探测及反演结果,结合微波辐射传输模式,就2004年17号台风暹芭(Chaba)过程,对AREM(Advanced Regional Eta-coo...