非线性多元样条回归预报模型

针对异常复杂的非线性预报系统，提出非线性多元样条回归预报模型。该模型既保留了线性统计预报中多元分析，逐步筛选预报因子及显著性检验的理论和方法，又吸取了样条函数分段拟合，按需要裁剪以适应任意曲线连续变化的优点，具有处理复杂非线性预报系统的功能。试验结果表明，该模型具有良好的模拟和预报能力，值得进一步深入探讨和应用。     

基于多因子非线性叠套模型的雷电潜势预报

利用统计学原理和数学分析理论,建立以雷电为预报对象的多因子非线性叠套模型,试图从理论和实践两方面,避免统计学的线性假设和模式输出值物理意义不明确的统计预报问题。特别是针对雷电这种小概率事件的预报问题,通过统计分析建模,并对24 h雷电潜势预报结果检验,该模型预报效果较好,能够业务使用。     

多元样条逐步回归模型在夏收中期预报中的应用

在夏收期间的中期预报中,使用了非线性多元样条函数回归预报模型。该方法保留了线性统计预报模型中多元分析,逐步筛选因子和显著性检验等特点,又吸取了数值逼近中样条函数处理复杂非线性函数的一些优点。经过与线性回归的对比和１９９８年的预报,在历史拟合率和预报效果上的提高较为明显。     

北京地区夏季多模式降水预报的降尺度集成应用

以2008—2010年5—9月日本、德国、T639数值预报模式降水产品为基础,采取反距离插值的统计降尺度分析方法,将数值预报模式降水格点数据插值到北京西北、东北、西南、东南区域的延庆、密云、房山、观象台4个典型代表站点上;再结合统计分析,将夏季产生降水的天气系统分为西来槽、东北低涡、蒙古低涡、其他系统4种类型,采用预报准确率定级方法对各家模式配以不等权权重系数,从而建立北京地区夏季多模式集成降水预报模型,并用独立的样本对预报模型进行了业务试运行检验,检验结果表明:所建模型对降水预报的改进效果较好,优于单个数值模式降水预报。该模型的建立和应用方法为其他区域本地释用数值模式降水预报产品提供了一定的客观参考。     

近年来我国农业气象灾害预报方法研究概述

概述了近年来我国农业气象灾害预报方法研究的进展，介绍了当前正在探讨的一些新技术，并就今后发展的若干关键技术问题提出一些看法。指出①我国农业气象灾害预报方法基本以数理统计模型为主。近年来在多种统计方法的应用、气候模式与农业气象模式结合、信息技术的应用、作物生长模拟模型的应用等方面取得了一些成果。但总体上说，农业气象灾害预报研究还不很成熟。②当前农业气象灾害预报应在指标的针对性，统计模型因子的物理概念和生物物理机理、数学模型和资料处理方法以及基于作物生长模拟模型的农业气象灾害预报方法等方面加强研究。③多学科交叉、多种预报方法结合、长中短期预报相结合、动态预报和补充订正相结合、卫星遥感动态监测信息与预警模式相结合是开展农业气象灾害预报的有效途径。建立预警业务系统，开展预警服务势在必行。     

基于人工神经网络的暴雨预报方法探讨

探讨了基于人工神经网络模型的暴雨预报方法。该方法仿预报员的暴雨预报思路，在动力模式的降水预报产品、环流形势场和暴雨落区之间通过人工神经网络建立非线性的统计预报模型，该模型的输入是动力模式的降水预报和初始环流形势场的扩展正交分解主成份分量，输出是预报区域的暴雨落区预报。2000年的汛期试验表明该客观预报方法可明显改进数值预报模式的暴雨落区预报，因此可望在业务预报中有较好的应用前景。     

热带气旋运动的动力—统计预报业务试验

一、引言近年来,许多热带气旋具有运动异常的性质,从而暴露了纯统计系统所固有的弱点,并促进了动力和统计—动力模式的发展。因此,Miller(1972)等用一种七层模式进行试验,而Neumann和Lawrence(1973)介绍了一种统计—动力模式,即NHC73,它采用美国气象中心的原始方程模式的输出作为统计预报系统的输入。1973年和1974年飓风季节,用NHC73的两种方案在业务预报中作了试验。本文评论了NHC73的发展,介绍了两年中的试验结果,以及提出了将统计、动力概念用于热带气旋预报的发展途径。二、数值预报资料的统计应用 Klein和 Glahn(1974)介绍了两种已成功地将数值预报资料引入统计预报结构的方法。其一是所谓“完全预报”法,另一种称模式输出统计法,简称     

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。     

主分量分析在热带气旋强度客观预报中的试用

为了解主分量因子分析在热带气旋强度客观预报中的应用效能,在NCEP再分析资料、T106L19模式产品和热带气旋历史观测资料基础上,采用主分量因子分析技术,结合多元线性回归和BP型人工神经网络,开展了西北太平洋热带气旋的强度客观预报技术研究试验。试验包含完全预报法原理下的预报因子有无主分量分析、线性与非线性预报方法建模等方面的比较。结果表明,预报因子的主分量分析通过降低线性回归和BP人工神经网络模型的维数,提高因子间独立性,可减小模型强度预报平均绝对误差,提高模型实际预报能力。     

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.     

New statistical models for long-range forecasting of southwest monsoon rainfall over India

The India Meteorological Department (IMD) has been issuing long-range forecasts (LRF) based on statistical methods for the southwest monsoon rainfall over India (ISMR) for more than 100 years. Many statistical and dynamical models including the operational models of IMD failed to predict the recent deficient monsoon years of 2002 and 2004. In this paper, we report the improved results of new experimental statistical models developed for LRF of southwest monsoon seasonal (June–September) rainfall. These models were developed to facilitate the IMD’s present two-stage operational forecast strategy. Models based on the ensemble multiple linear regression (EMR) and projection pursuit regression (PPR) techniques were developed to forecast the ISMR. These models used new methods of predictor selection and model development. After carrying out a detailed analysis of various global climate data sets; two predictor sets, each consisting of six predictors were selected. Our model performance was evaluated for the period from 1981 to 2004 by sliding the model training period with a window length of 23 years. The new models showed better performance in their hindcast, compared to the model based on climatology. The Heidke scores for the three category forecasts during the verification period by the first stage models based on EMR and PPR methods were 0.5 and 0.44, respectively, and those of June models were 0.63 and 0.38, respectively. Root mean square error of these models during the verification period (1981–2004) varied between 4.56 and 6.75% from long period average (LPA) as against 10.0% from the LPA of the model based on climatology alone. These models were able to provide correct forecasts of the recent two deficient monsoon rainfall events (2002 and 2004). The experimental forecasts for the 2005 southwest monsoon season based on these models were also found to be accurate.     

ConvLSTM Based Temperature Forecast Modification Model for North China

The correction of model forecast is an important step in evaluating weather forecast results. In recent years, post-processing models based on deep learning have become prominent. In this paper, a deep learning model named ED-ConvLSTM based on encoder-decoder structure and ConvLSTM is developed, which appears to be able to effectively correct numerical weather forecasts. Compared with traditional post-processing methods and convolutional neural networks, ED-ConvLSTM has strong collaborative extraction ability to effectively extract the temporal and spatial features of numerical weather forecasts and fit the complex nonlinear relationship between forecast field and observation field. In this paper, the post-processing method of ED-ConvLSTM for 2 m temperature prediction is tested using The International Grand Global Ensemble dataset and ERA5-Land data from the European Centre for Medium-Range Weather Forecasts (ECMWF). Root mean square error and temperature prediction accuracy are used as evaluation indexes to compare ED-ConvLSTM with the method of model output statistics, convolutional neural network postprocessing methods, and the original prediction by the ECMWF. The results show that the correction effect of ED-ConvLSTM is better than that of the other two postprocessing methods in terms of the two indexes, especially in the long forecast time.     

统计方法在数值模式中应用的若干新进展

目前,数值模式的准确性不断提高,天气预报和气候预测越来越依靠数值模式。数值模式不仅仅是求解描述大气运动和热力过程的方程组,其中也大量使用了统计方法,统计方法是数值模式的重要组成部分。本文对统计方法在数值模式中应用的最新进展进行了综述。首先,分析了统计方法在数值模式的资料同化、集合预报、次网格尺度物理过程参数化方案、数值产品统计释用、延伸期预报、模式检验等方面的应用。然后阐述了贝叶斯统计在数值模式中应用的新进展。最后,对统计方法在数值模式中应用的未来发展趋势进行了展望。     

中国近30年来气象统计预报进展

近30年来，多元统计分析方法有了长足的进步，涌现出不少新方法、新技术。文章着重介绍了近30年来气象统计预报在中国气象业务科研中的一些应用和发展，主要从多元统计分析和时间序列分析上来选材，将非统计意义的模糊集方法、人工智能(人工神经网络等)、灰色系统、车贝雪夫多项式展开等也归入到统计方法中。另外，近年来气象界用得较多的卡尔曼滤波、分形、分维等也被涉及。     

GRAPES全球切线性和伴随模式的调优

伴随技术是四维变分同化（4DVar）系统中计算代价函数梯度的最佳办法,切线性和伴随模式的效果和效率直接影响着4DVar系统的发展。基于GRAPES（Global and Regional Assimilation PrEdiction System）全球切线性和伴随模式1.0版本,利用GRAPES全球模式2.0版本在并行框架和性能等方面的改善,重新优化和设计了GRAPES全球切线性伴随模式2.0版本,提高了GRAPES全球切线性和伴随模式的效果和效率,优化了切线性模式程序结构,使其计算时间最优可控制在非线性模式的1.2倍以内;采用在切线性模式中保存基态的方法,重构了伴随模式的程序结构,使其计算时间最优控制在非线性模式的1.5倍以内;在GRAPES全球切线性物理过程的设计中,将线性物理过程的轨迹基态计算和切线性扰动计算解耦,提高了GRAPES全球切线性和伴随模式的计算效果和效率。     

地面气象要素多模式集成预报研究进展

目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。     

统计预报方法中若干技术问题的对比分析

通过对线性和非线性，判别一回归和门限一回归、插值、距离和相似等预报方法的对比，分析了各种方法的特点及各自的局限性，并就如何改进统计预报方法提出相关建议。     

江苏—南黄海地区M≥6强震有序网络结构及其预测研究

基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法.     

支持向量机方法在冰雹预报中的应用

支持向量机（Support Vector Machines简称SVM）方法是近年发展起来的一种新的统计学习理论方法,本文通过对这一方法的学习,总结陇东主要降雹的环流形势特点,利用这一新方法对冰雹分类预报进行了探讨,经检验,效果较好。并与传统的天气分型后制作预报模式进行了比较,验证了SVM方法不需要进行天气分型,这样总样本数多,建立的预报模型效果好。这为基层台站制作天气预报模式提供了一种新方法和新思路。     

The REM Adjoint System and Its 4DVar Data Assimilation Experiments

The Regional Eta-coordinate Model(REM) has performed well in forecasting heavy rainfalls in China in recent years.A four-dimensional variational assimilation system(4DVar) is developed to improve the forecast skill of the REM.The tangent linear model and adjoint model codes are written according to thecode to coderule,and the establishment of the REM adjoint modeling system is introduced in detail in this paper.The tangent linear and adjoint models of the REM are validated against the observational data,...