基于人工神经网络的集成预报方法研究和比较

用人工神经网络方法对同一预报量的各个子预报方程进行集成预报研究,并以同样的子预报方程进行回归、平均和加权预报集成。对神经网络集成预报模型与各个子预报方程及其它集成预报方法进行了对比分析研究。结果表明,人工神经网络方法所构造的集成预报模型不仅对历史样本的拟合精度比各个子预报方法及其它集成预报方法更好,独立样本的试验预报结果也显示出更好的预报准确性。并且,采用神经网络方法进行预报集成,可以避免以往集成预报方法难以确定权重系数的困难     

几种空气质量预报方法的预报效果对比分析

目前应用于我国各个城市空气质量预报业务的预报方法主要有三种 :数值模式预报、统计预报和综合经验预报。这几种预报方法都有其各自的优势 ,同时也存在一些不足。应用以上方法对天津市市区进行空气质量业务预报 ,通过实测资料与预报结果进行对比分析 ,给出这几种方法在天津市区空气质量预报中的预报效果客观评价。     

深圳对流尺度集合预报系统对台风降水预报的检验评估

目前数值模式对台风降水预报的准确率仍有待提高。为了评估深圳对流尺度集合预报系统对台风降水预报能力,选取了2015—2018年共14个影响广东台风个例,利用广东省2 300多个自动气象观测站的24小时累计降水观测资料,检验该系统的集合预报方法(含集合平均方法和概率匹配平均方法)和控制预报方法的24小时降水预报结果。(1)系统对台风24小时降水预报具有较好参考价值,三种方法的暴雨等级预报TS评分均达到0.39以上。(2)集合预报方法总体上优于控制预报方法,可改善珠江口两侧暴雨中心降水预报。其中集合平均方法总体预报效果最好,其降水预报均方根误差为38.1 mm,比控制预报方法减少18.8%,对暴雨等级预报TS评分为0.469比控制,预报方法提升20.1%,但是对特大暴雨等级预报能力不足;而概率匹配平均方法改善了小雨和特大暴雨的预报能力。(3)系统对较强台风的降水预报能力优于弱台风。在较强台风情形下,系统对粤东暴雨中心降水预报明显偏小且控制预报方法偏差最大,其他地方降水预报偏大为主;在弱台风情形下,系统对降水预报存在明显系统性偏大,但对粤西暴雨中心降水预报明显偏小且控制预报偏差最大。      

模块化模糊神经网络的数值预报产品释用预报研究

综合应用预报量自身时间序列的拓展,数值预报产品和模块化模糊神经网络方法,进行了一种新的数值预报产品释用预报研究。将这种新方法与常规的数值预报产品完全预报(PP)方法进行了对比试验。结果表明,这种模块化模糊神经网络数值预报产品释用预报方法比PP预报方法的预报精度显著提高。并且,通过对预报模型“过拟合”现象的研究发现,这种模块化模糊神经网络的数值预报产品释用预报模型具有很好的泛化性能。     

效益决策在短期降水预报中的应用

随着预报业务的发展,预报时效和预报对象相同的方法越来越多。就24小时降水而言,有天气学方法,数理统计方法、模糊数学方法、MOS预报方法等多种方法。而诸预报方法有时难以定论哪种预报结论最佳。同一预报时效使用多种预报方法,预报结论不一,而对外发布预报又只取一个最佳预报结论,这就提出了一个最佳综合判断问题,即最佳集成预报问题。利用效益矩阵决策可以客观地解决这个问题。我们应用该方法做短期降水预报,取得了较好的效果。     

区域降水数值预报产品人工神经网络释用预报研究

利用T213、日本细网格降水预报等数值预报产品,采用人工神经网络方法进行预报释用。通过聚类分析方法对广西自治区测站进行分类,简化预报对象,对数量众多的T213数值预报产品采用自然正交分解(EOF)方法,浓缩大量因子的有效信息,并结合日本降水预报因子建立广西5~6月区域降水量级的逐日人工神经网络预报模型。运用与实际业务预报相同的方法进行逐日预报试验。结果表明,用这种数值预报产品释用方法建立广西3个预报区域的B-P人工神经网络预报模型对中雨以上降水量级预报的TS评分分别为0.55、0.5和0.26,比目前业务预报中参考使用的T213和日本数值预报产品降水预报具有更好的预报效果。     

全国夏季降水区域动态权重集成预报试验

根据全国大范围夏季降水趋势分布预报的特点,设计了一种区域动态权重集成预报方案。以多种预报方法对各区域历史预报技巧得分为依据,尤其注重各方法距起报时刻近期的预报技巧,赋予各区域动态归一化权重系数,在区域集成预报的基础上合成全国大范围降水分布预报。1990 ~1998年9年独立样本的试验预报表明,集成预报的预报技巧优于各预报方法预报技巧的平均水平。集成预报在一定程度上改善了预报技巧的不稳定现象。     

OTS、MOS和OMOS方法及其优化组合应用于72 h内逐3 h降水预报的试验分析研究

开展了夏半年72 h内逐3 h降水预报试验,针对ECMWF模式预报、基于ECMWF的模式输出统计(MOS)预报、纳入超前空间实况信息的OMOS预报,以及三种预报的最优TS评分订正(OTS)预报,对比分析预报效果,探讨一种多方法结合能够提供良好预报性能的3 h定量降水预报技术方案。结果表明:在短期预报中,MOS预报与OTS订正相结合的MOSOTS综合预报方法的预报性能最好,而且MOS-OTS方法的3 h强降水预报与业务运行的城镇指导预报中融合主客观预报的降水预报相比,也具有一定优势;而在临近3 h预报中,则OMOS预报与OTS订正相结合的OMOS-OTS综合预报方法最优,3 h内0.1、3和10 mm以上降水的TS评分最高,比原始模式预报分别提高73%、198%和483%,Bias评分接近于1,在夏半年的逐日晴雨预报中,OMOS-OTS方法在大部分日期都稳定优于MOS-OTS预报和城镇指导预报。     

山岳型风景区最高最低气温预报方法研究

利用ECMWF预报场资料和地面观测资料开展支持向量机(SVM)、卡尔曼滤波(Kalman)两种统计方法对山岳型风景区气温集成预报方法的研究,并且结合自动气象观测站气温资料进行检验。结果表明:单一的SVM方法预报准确率较高且稳定,传统的Kalman方法预报效果不太理想,对长时效预报效果较差;加权集成后,3种集成方法预报稳定性较好、准确率比单一的SVM和Kalman预报方法均有所提高。从不同预报时效的检验结果看,各预报方法最高和最低气温预报准确率随着预报时效的增加均呈现降低的趋势。绝对误差分析表明,各预报方法最高气温的平均绝对误差均低于最低气温的平均绝对误差。     

集成方法在热带气旋路径和强度预报中的应用

利用多元线性回归、递归正权决策和算术平均方法,分别建立热带气旋路径和强度多模式集成预报方程,并用2004年西北太平洋和南海生成的热带气旋资料进行预报试验,同时对各家预报和集成预报进行了检验分析。结果表明,用集成预报方法作热带气旋路径和强度预报是可行的,预报年总平均误差有一定程度的减小,最大预报误差也有所减小,出现较大预报误差的概率明显减小。集成方法的预报能力一般好于集成方法中采用的任意单一预报,体现了集成方法的优越性。     

数值模式预报时效对计算精度和时间步长的依赖关系

通过数值计算研究Lorenz非线性动力系统,探讨了非线性动力系统中初值问题的解对时间步长和计算精度的依赖关系,从新的角度研究动力系统的预报时效问题,讨论了评价舍入误差对预报时效影响程度的方法。实验结果表明:动力系统的预报时效不仅与初值误差有关,而且在一定条件下敏感地依赖于计算采用的时间步长和计算精度。     

一种预测西北太平洋热带气旋逐月演变的新统计模型

本文提出一种月尺度西北太平洋热带气旋生成频数(Western North Pacific Tropical Cyclone Frequency, WNPTCF)预测的新方法。该方法利用全球次表层海温(Subsurface Sea Temperature Anomaly, SubSSTA)和中国气象局国家气候中心发布的130项监测指数,构建了既考虑热力强迫因子、又考虑大气动力因子,既考虑同期海洋强迫,又考虑前期海洋和大气影响的集成预测模型。利用该预测模型对2011—2020年6—10月逐月WNPTCF进行独立样本检验预测,准确率达70%以上,说明该预测模型对WNPTCF的逐月演变预测的效果良好。该预测模型对ENSO信号较强年份的WNPTCF预测效果要好于ENSO信号不强的年份,原因在于在ENSO信号不强的年份,SubSSTA可预报性较低,非线性变率大,海洋对WNPTC的强迫作用弱。     

论最优预报因子与最优预报方程

本文根据预报量与预报因子关系的实际情况,提出了预报因子的四种类型,并且利用最优化方法原理选取最优的预报因子,同时还利用强迫引进重要因子的办法选取最优预报方程。从实例计算证明,最优预报因子基本上是非线性的,所以用逐步回归或逐步判别方法建立的预报方程也是非线性的,并且还证明,非线性预报方程比线性预报方程效果有明显的提高。本文最后还指出,此种非线性预报方法可推广到各个领域有关多元分析的定量和定性预报工作中去。     

气候系统可预报性的全局研究

胞映射方法是对非线性系统进行全局分析的强有力工具。文中基于一个最大简化的地－气耦合模式,引入胞映射全局分析方法,对气候系统的可预报性进行了全局的研究。气候系统存在最大可预报期限,对于超过逐日预报可预报期限后的预报,用胞映射思想证明了平均值的可预报性,并得到了定量的结果。研究表明,耦合机制具有延长可预报期限的作用,观测精度的提高亦可延长可预报期限     

基于EMD方法的观测数据信息提取与预测研究

用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变。虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着重重困难。其根本原因是气候系统的混沌分量和非线性/非平稳性等因素在起作用。而现有气候预测的统计方法(主要包括经验统计、数理统计和物理统计等方法)的数学基础却忽略了这些特点,这是因为以现有的科学水平人们不得不假设时间序列是线性和平稳的。实际气候观测序列普遍具有层次性、非线性和非平稳性,这给建立预测方法带来了极大困难。文中构建了一个新的预测模型,即首先利用经验模态分解(em-pirical mode decomposition,EMD)方法将气候序列作平稳化处理,得到一系列平稳分量-本征模函数(intrinsic modefunction,IMF);其次,利用均生函数(mean generate function,MGF)模型获得各分量的初次预测值;最后,在最优子集回归(optimal subset regression,OSR)模型的基础上,通过直接或逐步拟合一部分预测值,构建两种预测方案达到提高预测能力的目的。典型气候序列的预测试验结果表明,具有平稳化的IMF分量,尤其是特征IMF分量有较高的可预测性,它对原序列趋势的预测有重要指示意义。大力开展气候系统机理和气候层次的研究,并建立相应的气候模式是未来发展趋势。该文是这方面的一个初步尝试,相信该模型能为气候预测(评估)开辟一条新的有效途径。     

基于高分辨率数值天气模式的往返平飘式探空轨迹预测方法及初步评估

为了开展往返平飘式探空组网观测的仿真和模拟,以及评估组网观测对数值天气预报的影响,并实现往返平飘式探空在目标观测中的应用,本文提出了一种基于高分辨率数值天气模式的往返平飘式探空轨迹模拟和预报方法。基于我国自主研发的GRAPES区域高分辨率模式,初步建立了往返平飘式探空的轨迹预报系统。该系统将往返平飘式探空的上升段、平漂段和下降段的轨迹方程,以及下降段降落伞的动力学方程,直接嵌入到高分辨率数值天气模式中,实现对往返平飘式探空轨迹的模拟和预报。利用轨迹预测系统对63个往返平飘式探空轨迹进行轨迹预报试验和评估,试验结果表明,该系统的轨迹预测结果合理可信,6 h的轨迹预报平均误差小于40 km。     

非线性平衡方程初值化方法及其在中期数值天气预报试验中的应用

本文给出了一种求解非线性平衡方程的新的有效的方法及有关的数值试验结果。和以往的求解方法相比，本方法的优点是:收敛速度快，不需要冗长的迭代计算，也不需要对初始高度场的某些记录作修改，并能节省大量的计算时间。文中利用北半球七层原始方程谱模式，使用了1982年的客观分析资料，进行中期数值天气预报试验。试验结果表明，用非线性平衡方程初值化方法制作中期数值预报比其他的如线性平衡方程初值化方程的更佳。后者因去掉了非线性项的作用，天气系统的强度预报结果偏弱且偏平滑。     

基于混沌吸引子的复杂农业系统预测模型研究

农业生产是自然再生产和经济再生产有机结合的过程，农业系统是高度耦合了自然生态、社会经济系统等的复杂大系统，具有非线性和耗散性特征。复杂农业系统要素非线性作用所表现的系统行为形成农业系统的整个演化轨迹。从长期演化来看，由于系统内部自组织作用、系统协同和外部随机扰动的作用使得农业系统出现混沌现象，故复杂系统具有长期不可预测性。本文根据复杂农业系统的预测规范，重构复杂农业系统相空间，建立了基于“混沌吸引子”的非线性混沌动力学预测模型，并以成都的相关数据进行分析验证。     

Extended Range(10–30 Days) Heavy Rain Forecasting Study Based on a Nonlinear Cross-Prediction Error Model

Extended range(10–30 d) heavy rain forecasting is difficult but performs an important function in disaster prevention and mitigation. In this paper,a nonlinear cross prediction error(NCPE) algorithm that combines nonlinear dynamics and statistical methods is proposed. The method is based on phase space reconstruction of chaotic single-variable time series of precipitable water and is tested in 100 global cases of heavy rain. First,nonlinear relative dynamic error for local attractor pairs is calculated at different stages of the heavy rain process,after which the local change characteristics of the attractors are analyzed. Second,the eigen-peak is defined as a prediction indicator based on an error threshold of about 1.5,and is then used to analyze the forecasting validity period. The results reveal that the prediction indicator features regarded as eigenpeaks for heavy rain extreme weather are all reflected consistently,without failure,based on the NCPE model; the prediction validity periods for 1–2 d,3–9 d and 10–30 d are 4,22 and 74 cases,respectively,without false alarm or omission. The NCPE model developed allows accurate forecasting of heavy rain over an extended range of 10–30 d and has the potential to be used to explore the mechanisms involved in the development of heavy rain according to a segmentation scale. This novel method provides new insights into extended range forecasting and atmospheric predictability,and also allows the creation of multi-variable chaotic extreme weather prediction models based on high spatiotemporal resolution data.     

成都区域中心动力气候模式产品降尺度应用业务系统

利用动力气候模式(T63)产品进行降尺度解释应用,是目前以及未来开展气候预测的主要手段。本系统基于国家气候中心下发的气候模式产品、NCEP/NCAR 500 hPa高度场、西南区域84个代表站温度降水历年资料,采用动力统计相结合的技术方法,建立了“成都区域气象中心动力气候模式解释应用系统”,该系统以统计降尺度方法在西南区短期气候预测中的业务化应用为目的,实现了统计方法与动力模式相结合的业务化,经过5年业务回报试验和近2年的预测业务运行,结果表明:该系统对西南区域的月尺度温度和降水有较好的预报能力,已成为西南区域气候中心日常业务的主要参考依据。本文主要介绍该系统平台的各子系统性能及采用的技术方法。