基于主成分分析的人工智能台风路径预报模型

利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分析的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风路径预报模型的预报建模研究。在预报建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行了预报试验,试验对比结果表明,前者较后者在6、7、8和9月份台风路径预报中,平均绝对误差分别下降了7.4%、4.8%、12.4%、17.0%。另外,论文进一步在初选预报因子和样本个例相同的情况下,通过比较新模型与直接采用主成分分析方法选因子并分别运用逐步回归和遗传—神经网络集合预报模型进行计算的预报精度差异表明,前者具有更高的预报精度,其原因是该方法挖掘利用了全部备选预报因子的有用预报信息,而且遗传—神经网络集合预报模型的是由多个神经网络个体预报结果合成,集合模型的各个神经网络个体的网络结构,是通过遗传算法的优化计算确定的,因此,该集合预报模型的泛化能力显著提高,在实际天气预报中具有较好的实用性和推广价值。     

复共线性关系对逐步回归预报方程的影响研究

针对气象预报中常用的逐步回归预报建模方法,由于没有直接考虑筛选出的预报因子之间可能存在复共线性关系会影响气象预报方程的预报性能问题,提出了在初选的大量气象预报因子(自变量)中,采用条件数计算分析方法,选择复共线性关系小的预报因子组合建立预报模型的方法.以重要气象灾害的预报难点--台风预报为例,用大样本分别建立了12个台风移动经度、纬度的条件数预报方程和逐步回归预报方程.对比分析结果表明,由于条件数计算分析有效控制了预报因子间的复共线性关系,因此,在相同的预报因子(自变量)和预报对象(因变量)条件下,分月建立的条件数台风移动路径预报方程,虽然历史建模样本的拟合精度略低于逐步回归预报方程,但是对独立样本的预报精度明显提高,其中7、8和9月条件数预报方程的预报误差平均为153.9 km,而相应的逐步回归预报误差平均为229.2 km,两者相差75.3 km.进一步研究发现,在F值分别取1.0、2.0和3.0的情况下,建立的台风移动路径的逐步回归预报方程,其预报误差也明显大于条件数预报方程.另外,由于预报因子组合的复共线性的影响,逐步回归方程还出现了在个别点预报误差极大的不合理情况.     

基于局部线性嵌入的人工智能台风强度集合预报模型

利用局部线性嵌入算法通过学习挖掘高维数据集的内在几何结构,高效地实现维数约简和特征提取的能力,论文以2001—2012年共12年6—9月西北太平洋海域内生成的台风样本为基础,将气候持续因子作为台风强度的基本预报因子,采用局部线性嵌入的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的粒子群算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风强度预报模型的建模研究。在建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行预报试验。试验对比结果表明,前者较后者在6、7、8和9月24 h台风强度预报中,平均绝对误差分别下降了23.34%、24.46%、19.41%和27.45%,4个月的平均绝对误差下降了23.10%;48 h台风强度预报中,6—9月平均绝对误差分别下降了44.82%、16.73%、0.89%和49.26%,4个月的平均绝对误差下降了25.54%。进一步研究发现,在变动局部线性嵌入算法忌近邻个数的情况下,建立的台风强度集合预报模型,其预报结果稳定可靠,相对于气候持续法均为正的预报技巧水平,为台风强度客观预报提供了新的预报工具和预报建模方法。     

模糊神经网络方法在热带气旋强度预报中的应用研究

以1960-2007年共48年6月份西行进入南海海域的热带气旋样本为基础, 将热带气旋中心附近最大风速作为台风强度, 以气候持续预报因子作为模型输入, 采用模糊神经网络方法, 进行了热带气旋强度预报模型的预报建模研究。结果表明, 对175个独立预报样本模糊神经网络方法的南海热带气旋强度24 h的预报平均绝对误差为3 m·s-1。另外, 根据相同的热带气旋样本及预报因子, 还进一步将该预报方法与国内外普遍采用的气候持续法热带气旋强度预报方法进行对比分析, 结果表明, 气候持续预报方法的预报误差明显偏大, 独立样本强度预报平均绝对误差为4.54 m·s-1。     

我国台风路径业务预报误差及成因分析

利用2005 2009年中国气象局(CMA)提供的西北太平洋(包括南海)台风路径业务预报资料,比较了各类型台风路径、台风登陆位置及登陆时间的预报误差,登陆台风不同阶段以及华东登陆和华南登陆台风的路径预报误差。结果表明:CMA在2005 2009年的路径预报水平与1999 2003年的相比有了显著提高。平均南海台风预报误差大于西北太平洋。异常路径台风主要出现于南海,三个预报时效(24、48和72 h)异常路径的预报误差平均都小于正常路径。将登陆台风分为远海、登陆期间和登陆后三个阶段,显示登陆期间台风预报误差最大,同一阶段华南登陆台风的预报误差大于华东登陆台风。台风登陆位置在24、48和72 h预报时效的平均预报误差分别为71.1、122.6和210.6 km,48和72 h台风实际登陆时间有70%早于预报时间,平均分别提早8和12 h。比较大尺度引导气流与台风移动的偏差及24 h路径预报误差,得到南海三种典型登陆台风路径的大尺度引导气流与台风移动的偏差及其与路径预报误差的关系不一样,即误差成因不同。南海倒抛物线型的大尺度引导气流与台风移动的偏差最大,其预报误差最小;西一西北型的大尺度引导气流与台风移动的偏差最小,其预报误差最大,可能与大尺度环流预报准确性差有关。登陆华东的预报误差小于登陆华南台风的预报误差,这与台风登陆华南时其大尺度引导气流和台风移动的偏差大于登陆华东的台风有关。     

台风路径实时数值预报的初步试验

根据国家气象中心建立的台风路径数值预报试验系统，引入了模型台风。模型台风是利用获得的场面参数构成的，然后再叠加到客观分析场上作为台风路径预报的初始场。引入模型台风后，无论是台风中心位置还是其流场、质量场与实际观测比较接近，且预报效果有一定提高。利用模型台风对1992年Eli（9205号）和Janis（9210号）台风进行了实时的预报试验。结果表明对这二个台风的移动趋势基本上能预报出来，预报的台风路径与实况进行了对比，并与气候持续预报作了比较，效果较好。     

一个十三年长用不衰的预报工具——《七到九月南海台风路径多因子综合预报方法》的使用报告

一、前言 一九七三年,在吕兆驩同志的主持下,全区开展了一次台风路径预报方法的科研活动。梧州地区台的吴晖同志提出了“多因子综合法”预报南海台风路径的设想并初步建立了七到九月南海台风路径预报方法。在试用过程中,又经吴兴国、杨望月、谭锡才等同志的修改,扩充个例,调整指标,其后就正式投入了我台的台风预报业务工作。从一九七四年以来,效果明显,曾列入“全国九种台风路径客观预报方法”的联防广播,直到一九八O年停止。该预报方法在一九七八年上海台风预报服务座谈会上曾受到国家气象局业务司领导同志的好评,作了充分肯     

南海热带气旋大风的遗传－神经网络集合预报

利用1980-2012年的南海热带气旋实况资料和NCEP/NCAR再分析资料,将热带气旋定位中心周边6×6格点上的地面风速作为预报对象,以气候持续预报因子和前期风速预报因子作为模型输入,采用遗传—神经网络集合预报方法,进行热带气旋定位中心周边36个格点上的风速预报模型的预报建模研究.分别对2008-2012年7-9月共368个独立预报样本进行遗传-神经网络集合方法的分月预报结果表明,南海热带气旋中心周边风速24h的预报平均绝对误差为2.35m.s-1.另外,本文还进一步将该预报方法与国内外普遍采用的逐步回归预报模型进行对比分析,在相同的预报量和预报因子的条件下的对比分析表明,新预报模型对≥10m.s-1的强风预报结果较逐步回归方法的优势明显,预报性能较好,可为沿海热带气旋大风预报提供新的参考.     

2011年“洛克”和“桑卡”双台风预报效果的初值试验研究

采用南海台风模式,对2011年业务预报误差较大的台风“洛克”（1115）和“桑卡”（1116）双台风的初值方案进行试验和研究,目的在于寻求改进预报的线索,从而提升台风模式性能。针对“洛克”和“桑卡”台风设计了几组初值方案对比试验,结果表明,仅对弱台风“桑卡”进行重定位和bogus的初值处理,与对双台风都进行初值处理相比较,两台风的路径预报误差减小。分析认为仅对弱台风作初值处理以改善其涡旋环流的影响是该双台风路径预报得以改进的原因。对2011—2012年所有弱台风进行批量预报试验,结果表明对弱台风采用重定位和bogus的初值处理,台风路径预报和强度预报的误差减小。对弱台风进行重定位和bogus初值处理,可改善模式对弱台风的预报效果。此外,目前南海台风模式中现有的bogus方法构造的涡旋相对于弱台风而言云顶偏高,可考虑发展针对弱台风的涡旋模型。      

2007年国内台风模式路径预报效果评估

使用中央气象台提供的台风中心定位报文资料、国内台风业务预报部门提供的台风模式路径预报报文资料和台风所气候持续性方法路径预报报文资料等,对2007年中央气象台编号的热带气旋对国内5种台风业务数值预报模式的路径预报效果进行了检验评估,检验内容主要包括距离误差、技巧评分和稳定度指标等.结果表明:(1)国内各模式24h/48h预报平均距离误差最小值为122.8km/246.3km,最大值为180.7km/304.4km.各模式24h/48h预报最大误差为1429.7km/1003.7km, 最小误差为11.2km/10.1km.24h/48h预报平均距离误差为147km/267km.平均而言,导致路径预报误差最大的是0707号热带气旋帕布,误差在其登陆后尤为明显.(2)相对于上海台风研究所路径预报气候持续法做了各种数值预报方法的技巧评分:各模式24h/48h预报平均技巧评分为32%/43%,最高的技巧评分为48%/54%, 最低的技巧评分为3.17%/33.53%.其中4个模式的24h/48h技巧评分高于36%/33%.(3)检验了距离稳定度、方向稳定度、有效稳定度等指标,以全面评估各模式的路径预报性能.该评估结果在一定程度上反映了当前国内台风路径数值预报相对于常用气候统计方法的优越性,同时也表明,尽管国内台风数值预报模式对于热带气旋在海上时的路径预报有一定的稳定性,但对热带气旋登陆后转向过程的预报表现出了较大误差.因此,在模式开发的下一步工作中,除台风初始化之外,还应结合登陆台风的特点,对边界层和陆面过程参数化等作针对性的研究.     

A prediction scheme with genetic neural network and Isomap algorithm for tropical cyclone intensity change over western North Pacific

A western North Pacific tropical cyclone (TC) intensity prediction scheme has been developed based on climatology and persistence (CLIPER) factors as potential predictors and using genetic neural network (GNN) model. TC samples during June–October spanning 2001–2010 are used for model development. The GNN model input is constructed from potential predictors by employing both a stepwise regression method and an Isometric Mapping (Isomap) algorithm. The Isomap algorithm is capable of finding meaningful low-dimensional architectures hidden in their nonlinear high-dimensional data space and separating the underlying factors. In this scheme, the new developed model, which is termed the GNN-Isomap model, is used for monthly TC intensity prediction at 24- and 48-h lead times. Using identical modeling samples and independent samples, predictions of the GNN-Isomap model are compared with the widely used CLIPER method. By adopting different numbers of nearest neighbors, results of sensitivity experiments show that the mean absolute prediction errors of the independent samples using GNN-Isomap model at 24- and 48-h forecasts are smaller than those using CLIPER method. Positive skills are obtained as compared to the CLIPER method with being above 12 % at 24 h and above 14 % at 48 h. Analyses of the new scheme suggest that the useful linear and nonlinear prediction information of the full pool of potential predictors is excavated in terms of the stepwise regression method and the Isomap algorithm. Moreover, the GNN is built by integrating multiple individual neural networks with the same expected output and network architecture is optimized by an evolutionary genetic algorithm, so the generalization capacity of the GNN-Isomap model is significantly enhanced, indicating a potentially better operational weather prediction.     

典型相关分析在台风路径预报中的应用

本文通过对500hPa上的五个因子场分别与台风中心未来48小时和60小时经纬度的预报量场进行典型相关分析,求出由各因子场组成的典型变量,以此作为预报因子,再结合经实践证明预报效果较好的天气学经验因子,用逐步回归方法建立台风中心未来48小时和60小时的路径预报方程。通过对历史样本的拟合和实际试报,表明该方程的预报能力有明显的提高;典型变量权重系数的地理分布与因子场的天气学意义基本吻合。      

EOF和CCA方法在台风路径预报试验中的比较

利用气候持续性因子，并分别考虑了５００ｈＰａ高度场的ＥＯＦ因子和ＣＣＡ因子，分别建立了基于ＥＯＦ因子和基于ＣＣＡ因子的南海台风２４－１２０小时路径预报模式。经过非独立样本和独立样本的预报检验，比较。将两种方法运用于５００ｈＰａ高度场的分析表明，ＣＣＡ方法得出的典型变量权重系数分布虽不能象ＥＯＦ方法的特征向量一样表示出明显的而且平滑的空间场形式，但ＣＣＡ方法浓缩了更多的与台风路径整体相关性最好的原变     

西北太平洋热带气旋强度统计释用预报方法研究

为了提高西北太平洋地区热带气旋（TC）强度预报准确率，在气候持续预报方法基础上，考虑气候持续性因子、天气因子、卫星资料因子，以TC强度变化为预报对象，运用逐步回归统计方法，建立西北太平洋地区24、48、72小时TC强度预报方程。通过不同的分海区试验（远海区域、华东近海、华南近海），证明回归结果较好。逐一分析选入因子发现：气候持续性因子在方程中相当重要；同时对远海区域和华东近海而言，海温影响也不容忽视，对华南近海而言，反映动力强迫作用的因素也较为重要。卫星资料的加入，对回归结果略有改进。用“刀切法”作独立样本检验，与气候持续法比较，预报误差明显减小。     

黄河三花地区汛期逐日降水MOS预报的因子选择试验

河南黄河三花地区地处黄河流域的中游下段地区,该地有名的黄泛区是历史上水旱灾害频发的地区。该地汛期短期降水预报的准确与否是十分重要的。由于近年来数值预报的发展和广泛应用,局地气象要素短期预报大多使用MOS方法,其中降水预报常用一种所谓REEP的降水概率预报。本文     

利用NRSM区域模式做温州区域短期气候预测

为了探索地市气象台站短期气候预测的客观预报工具,引进美围NMC（National Meteorological Center）的NRSM（Nested Regional Spectral Model）短期气候模式,利用该模式对台风重灾区浙江省温州市台汛期（7～9月）的短期气候要素——月、季降水量、月平均温度进行预测。将上述要素的模式预报值以及多年平均值进行对比分析,模式对极端降水天气预报效果好,模式预报7月特涝准确率较高,对涝的预测能力较强。;对8、9月的特旱预报准确率较高,对旱的预测能力强;模式对温州各地7～9月台汛期旱涝趋势准确率可达50％～70％;对月平均温度的定量预测能力表现出色;可以将模式进行业务试应用。