预报方程时变参数的一种新递推方案

针对经典递推算法的平稳性和初值敏感性问题，根据描述运动变化的一般性原理，导出一种新的递推算法，并将其引入到气候预报中。理论和实践证明，该方案成功地解决了经典递推算法存在的平稳性和初值敏感性问题。初步的预报应用结果也表明，该方案具有明显的优越性。     

利用卡尔曼滤波方法制作防城港市气温的定量预报

利用卡尔曼滤波方法对Ｔ６３数值预报产品进行统计释用，制作１９９６年１月逐日３６～１３２小时日平均、日最低气温预报，对预报效果作初步的分析研究。结果表明：卡尔曼滤波的预报精度达到较高水平，它的应用，将大大提高冬半年冷空气、低温冷害、秋季寒露风天气、春播期低温阴雨过程的中短期预报服务水平。     

利用卡尔曼滤波方法制作防城港市气温的定量预报

利用卡尔曼滤波方法对Ｔ６３数值预报产品进行统计释用，制作１９９６上１月逐日３６－１３２小时日平均、日最低气温预报，对预报效果作初步的分析研究，结果表明：卡尔曼滤波的预报精度达到较镐水平，它的应用，将大大提高冬半年冷空气、低温冷害、秋季寒露风天气、春播期低温阴雨过程的中短期预报服务水平。     

基于卡尔曼滤波方法的MOS与PP法在德阳温度预报中的效果评价

本文对卡尔曼滤波方法、mos与pp法的基本原理作了简要的概述。并分别在ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场上和预报场上选取因子，即pp法和mos法分别1建立预报方程，利用卡尔曼滤波方法对德阳的日平均气温、日最高气温、日最低气温进行了预报并对相关结果进行了检验，其结果表明用pp法建立预报方程，其预报结果的误差比用mos方法建立预报方程的结果相对要一些。     

用卡尔曼滤波方法作温度预报

针对以往温度定性预报的不足，应用欧洲数值预报产品资料，用卡尔曼滤波的方法对齐市的温度作出了逐日定量预报。预报结果接近主观预报结果，有实际的应用价值。     

P-σ坐标系数值模式中气压梯度力的递推算法

在静力关系成立的条件下,推导出气压梯度力的递推算法,用以计算有地形P-σ坐标系模式中的气压梯度力.将递推算法与对应的6种直接计算方案相比后发现,在有气压梯度力的参考大气中,递推算法的计算精度相对于直接计算方案的精度有较大改进,特别是采用递推后的两种经典修正格式和Corby格式,能较大提高水平气压梯度力的计算精度,从而改善数值模式的预报效果和稳定性.     

防城港市冬半年沿海风力的卡尔曼滤波预报方法

应用卡尔曼滤波方法，对T63数值预报产品进行解释，制作防城港市各半年36～132小时日平均、日最大风力的定量预报。1995年11月和1996年1月的试报结果表明，卡尔曼滤波的预报精度达到了较高水平，对冬半年沿海偏北强风天气过程有较好的预报效果。     

用卡尔曼滤波预报南海热带气旋路径的试验

利用卡尔曼滤波方法预报南海热带气旋路径，发现采用卡尔曼滤波可以大大地降低预报误差，提高预测模型的预报能力。     

卡尔曼滤波方法在温度预报中的应用

应用卡尔曼滤波方法,结合欧洲中期数值天气预报中心的数值预报产品,尝试建立西安２４ｈ最高／最低气温预报方法,取得了比较满意的效果。表明卡尔曼滤波方法具有建模简单方便等特点,同时卡尔曼滤波方法对温度和季节变化和数值预报模式的变化都具有很强的适应能力,与动力统计方法（ＭＯＳ、ＰＰ等）相比较具有较大的优势。在数值预报产品的解释应用中有广阔的前景。     

多层递阶周期分析

针对经典多层递阶预报方法的某些不足,提出了一种改进的多层递阶预报模型——多层递阶周期分析。它使用时间序列的显著周期分量取代原模型中的自回归部分,使其更合理地反映气象要素自身的演变规律,有效地提高了预报精度。     

辅助模型辨识方法(6):性能分析

辨识方法的性能分析是系统辨识领域的重要而困难的研究课题.新的辨识方法一诞生,就伴随着收敛性分析.辅助模型辨识是辨识的一个分支,辅助模型辨识方法已成为一大类辨识方法族,关于其收敛性也提出了许多课题.本文研究了输出误差系统辅助模型随机梯度算法、辅助模型递推最小二乘算法、辅助模型多新息随机梯度算法、变间隔辅助模型随机梯度算法和变间隔辅助模型递推最小二乘算法的一致收敛性,近似分析了Box-Jenkins系统辅助模型递推广义增广最小二乘算法的性能.     

规范状态空间系统辨识方法

因为状态空间模型既包含了未知状态,又包含了未知参数,且二者是非线性乘积关系,使得辨识问题变得复杂.针对这一问题,详细研究了规范状态空间系统的状态与参数联合估计方法.采用交互估计理论,即采用递推方法或迭代方法实现系统状态与参数的交互估计.基本思路是在计算参数估计时,辨识算法信息向量中的未知状态用其估计值代替,然后利用获得的参数估计,设计基于参数估计的状态观测器或基于参数估计的Kalman滤波算法估计系统的状态,二者形成一个交互计算过程(递阶计算过程).沿着这条思路,分别从递推方案和迭代方案,研究和提出了基于状态观测器和基于Kalman滤波状态估计的随机梯度辨识算法、递推最小二乘辨识算法、多新息随机梯度辨识算法、多新息最小二乘辨识算法,以及模型分解的辨识算法,并给出了几个典型算法的计算步骤、流程图和计算量.     

积云参数化和微物理方案不同组合应用对台风路径模拟效果的影响

利用美国国家环境预测中心(National Centers for Environmental Prediction,NCEP)和国家大气研究中心(NCAR)联合研发的天气研究和预报模式(Weather Research and Forecasting Model,WRF),研究了不同积云对流参数化方案和微物理过程方案对0514号台风"彩蝶"路径的影响.结果表明,积云对流参数化方案对台风路径影响较大,KF方案比BM方案能更好地模拟出台风路径;使用KF方案时,选择微物理方案比不选微物理方案对于台风路径有更好的模拟结果,其中,Ferrier、WSM6和Lin非常接近于实况;KF方案较好地模拟出副热带高压(简称副高)的西伸和东退的变化以及台风环流的风场分布和强度.     

集值系统的辨识、控制及应用

本文总结了近年来关于集值系统的研究工作:在辨识方面,从不同的系统结构、不同的噪声情况和不同的集值情形等方面进行了深入的研究,针对性地提出了参数解耦、比例满秩输入设计、联合可辨识、经验分布函数、递推投影辨识等有效的辨识方法,得到了一系列重要结果;在适应控制方面,都实现了一类集值增益系统的适应跟踪控制;在同步控制方面,提出了双时间尺度同步算法和递推投影同步算法,实现了二值量测下的多个体同步控制;在应用方面,分别将集值辨识应用到复杂疾病建模和雷达目标识别问题中,构造了新的、更为有效的统计验证方法,在低信噪比下将识别率提高了10%.     

Data Assimilation Method Based on the Constraints of Confidence Region

The ensemble Kalman filter(En KF) is a distinguished data assimilation method that is widely used and studied in various fields including methodology and oceanography. However, due to the limited sample size or imprecise dynamics model, it is usually easy for the forecast error variance to be underestimated, which further leads to the phenomenon of filter divergence.Additionally, the assimilation results of the initial stage are poor if the initial condition settings differ greatly from the true initial state. To address these problems, the variance inflation procedure is usually adopted. In this paper, we propose a new method based on the constraints of a confidence region constructed by the observations, called En CR, to estimate the inflation parameter of the forecast error variance of the En KF method. In the new method, the state estimate is more robust to both the inaccurate forecast models and initial condition settings. The new method is compared with other adaptive data assimilation methods in the Lorenz-63 and Lorenz-96 models under various model parameter settings. The simulation results show that the new method performs better than the competing methods.     

辅助模型辨识方法(1):自回归输出误差系统

研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-Box-Jenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.     

GRAPES中尺度模式中Kain-Fritcsh方案的改进及应用试验

本文对GRAPES_Meso中Kain-Fritcsh eta积云参数化方案进行了三种改进:(1)将原触发机制中的温度扰动分解成由水汽决定的垂直向和水平向温度扰动(KF1方案),(2)在原温度扰动中直接增加一项由相对湿度计算的水汽平流项(KF2方案),(3)在KF1方案中增加用相对湿度计算的水汽平流项(KF3方案)。利用GFS预报场资料对上述改进方案进行模拟试验和批量回报试验,结果表明:“5·23”暴雨个例中,(1)改进方案均可以减少原方案模拟的部分虚假降水,KF1方案模拟降水范围较好,KF2方案模拟强降水中心较好,KF3方案同时具备二者优点。(2)三种改进方案对于强降水站点均存在模拟降水偏弱,KF1方案降水趋势与实况接近,但存在对流激发较快,后期降水略为不足,KF2方案则相反,KF3方案表现介于二者之间;KF2、KF3方案均会在对流激发最强和最弱时刻使其向有利方向调整。台风个例中,KF1方案模拟中心气压较好,KF2方案模拟台风路径较好,KF3方案则在两者上均有较好表现。TS评分检验表明KF1方案在各个降水量级上的评分都较低,KF2、KF3方案评分相对较高;误差检验(高度、风)时,KF1方案在中层误差较大,高、低层误差最小,其他两种方案表现则相反。      

GRAPES-3DVar高阶递归滤波方案及其初步试验

背景误差协方差矩阵B及其逆的求解是三维变分同化研究的核心问题之一.在GRAPES区域三维变分同化系统(GRAPES-3Dvar)中背景误差协方差矩阵的水平变换部分,假定各向同性并进行递归滤波运算.原有方案中采用一阶递归滤波器,但收敛不够迅速,每次循环同化时需滤波10次才能使目标函数收敛.根据Purser等2003年的研...     

多维非高斯系统最小熵控制

针对多维非高斯系统提出了最小熵控制方法,控制的目标是使系统的非高斯输出概率密度函数跟踪一个已知的联合概率密度函数.首先,根据系统模型和辅助映射,构建了系统状态、跟踪误差与扰动输入之间的泛函算子模型,然后基于梯度算法设计了递归的次优控制律,最后通过仿真验证了最小熵控制算法的有效性.     

多层递阶回归分析法在全国初夏雨量预测中的应用

在传统统计方法的基础上,引入多层递阶方法。将多层递阶方法与回归方法合二为一,作为新的预测方法尝试,以弥补常规统计方法中回归系数是常数的不足。将多层递阶回归方法应用于短期气候预测,建立多层递阶回归模型,并用全国160个气象站5月份雨量作预报试验。经过近2a的实际预报表明：该模型对华中、华东、两广大部、云贵高原大部的5月份雨量有较好的预报能力,具有一定的参考价值。