镇江地区ECMWF模式高温预报订正方法研究

针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48～168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48～168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。     

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。     

BP人工神经网络在MM5预报福建沿海大风中的释用

利用MM5中尺度数值模式输出的福建沿海6个气象站2004年5月到2007年10月每天08、20时48 h每6 h间隔的风速预报和实况资料,采用不同隐层以及节点数,按照风速大小分类建立人工神经网络模型,以此为基础应用BP人工神经网络建立风速预报模型,并将该模型应用到2008年1月至2009年2月福建沿海平潭、崇武、东山三站风力预报,对其效果进行检验。结果表明,采用一层隐层3个隐层节点数的人工神经网络模型是预报风速的最佳模型;经人工神经网络订正后,沿海风速预报比MM5模式预报有很大改善,特别是对大风(10 m.s-1)预报能力有极大提高,其Vs评分比MM5模式提高60分;经检验,经人工神经网络订正后的风速预报精度比MM5模式提高约32.3分,总体上,随风力增大,订正后的风速预报效果越好。     

南海热带气旋强度预报的线性模型与非线性模型研究

以1980—2012年共33 a的6—10月在南海生成或西行进入南海海域的热带气旋样本为基础,采用线性回归方法和非线性人工神经网络方法,分别进行12～72 h各个预报时效的南海热带气旋强度预报模型建模研究。根据相同的热带气旋个例,相同的预报因子,将逐步回归预报模型、BP神经网络预报模型和遗传-神经网络预报模型进行比较。试验预报结果表明,非线性的神经网络预报模型比线性的回归模型有更好的预报能力;而同为非线性模型,遗传-神经网络模型比BP神经网络预报模型预报能力更强。      

粒子群算法与支持向量机相结合的热带气旋强度预报试验

支持向量机(SVM)的惩罚参数及核参数的选择直接影响到模型效果,通过粒子群算法(PSO)解决支持向量机的参数选择问题,实现了参数选择的自动化。将该方法应用于热带气旋强度预报,利用气候持续性因子,挑选了1990年的100个左右样本进行预报检验,预报时效为12 h、24 h、36 h、48 h的强度平均绝对误差分别为3.00、4.35、4.93和6.68 m/s。另外,还与国外预报结果及采用最小二乘回归法的预报结果进行了效果的比较,SVM方法显示了更好的预报能力。     

人工神经网络法和线性回归法对降水相态的预报效果对比

本文主要对相同条件下线性回归法(LR)和人工神经网络法(ANN)对降雨、雨夹雪和降雪3种降水相态的预报效果进行了对比检验.选取降水发生时和发生前6h的地面2 m温度、露点温度作为预报因子,对降雨、雨夹雪和降雪进行预报.应用国家气象中心2001-2011年我国地面756站实况观测资料,其中应用2001-2010年资料对方法进行训练,2011年资料用来对比检验预报效果.结果显示,(1)两种方法对3种相态降水都有一定的预报能力,对降雪预报最好,其次是降雨和雨夹雪;(2)两种方法对北方的雨雪分界线预报比对南方的好;(3)无论是对全国还是长江中下游流域,在相同条件下,ANN法的预报效果大都优于LR法,当温度和露点温度预报准确时,ANN法对北方的雨雪分界线能进行较准确的预报.     

陕西ECMWF、GRAPES_Meso和SCMOC气温预报的对比检验及订正

利用陕西99个国家气象站2017—2019年日最高(低)气温观测资料,采用一元线性回归和递减平均方法,对GRAPES_Meso、ECMWF和SCMOC的日最高(低)气温预报进行订正,并作对比检验。结果表明,SCMOC、GRAPES_Meso和ECMWF的日最低气温预报准确率较日最高气温偏高,其中SCMOC的日最高和最低气温预报准确率最高,ECMWF次之,GRAPES_Meso最低。一元线性回归和递减平均方法对SCMOC的气温预报订正多为负效果,但对GRAPES_Meso和ECMWF的气温预报订正有明显正效果。订正后ECMWF与订正前SCMOC的预报相比,前者日最高和最低气温的预报准确率偏高。订正后GRAPES_Meso与订正前SCMOC的预报相比,前者日最低气温预报准确率偏低、2018年24 h和2019年24、48 h日最高气温预报准确率偏高。一元线性回归法对模式气温预报的订正能力和稳定性优于递减平均法。     

基于近似支持向量机的能见度释用预报研究

利用2008—2010年逐年12月、次年1月的T511L61数值预报产品和单站观测资料,采用近似支持向量机方法,分别建立了南京、杭州和衢州站分类和回归结合的能见度释用预报模型（简称分类和回归结合模型）。利用2011年12月、次年1月资料作为独立样本,对模型进行试报检验,并与不分类条件下的纯回归模型进行对比。结果表明:分类和回归结合模型的预报效果好于纯回归模型,在24、36、48、60和72 h试报中,分类和回归结合模型的南京、杭州和衢州三站平均的准确率依次为75.5%、83.7%、72.1%、75.4%和78.0%,在除48 h的其余4个预报时次中,分类和回归结合模型的三站平均的准确率均高于纯回归模型。分类和回归结合模型在单站能见度预报中有较好的应用前景。      

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     

人工神经网络方法在鹤壁汛期降水预报中的应用

在用经验统计方法和降水判别函数进行24 h和12 h晴雨预报的基础上,再用BP人工神经网络建立降水量级预报模型.经2003年汛期试用,预报准确率高于上级指导预报准确率,12 h预报准确率高于24 h预报准确率.     

利用神经网络方法建立热带气旋强度预报模型

以神经网络方法为基础,建立西北太平洋热带气旋强度预测模型,模型首先进行历史相似热带气旋选择。从选择的样本出发,计算得到一组气候持续因子、天气学经验因子和动力学因子, 对这些因子采用逐步回归方法进行筛选,将筛选得到的因子同对应时效的热带气旋强度输入神经网络训练模块,从而得到优化的预测模型。从2004-2005年西北太平洋26个热带气旋过程对12,24,36,48,72h等不同预报时效分别进行的634,582,530,478,426次预测试验结果的统计来看,相对于线性回归模型预测水平,该模型显著降低了各时段的预测误差。从几个热带气旋个例的预测结果来看, 该模型对超强台风, 以及具有强度迅速加强、再次加强等特征的热带气旋过程均有很好的描述能力。     

用支持向量机方法做登陆热带气旋站点大风预报

将支持向量机（SVM）回归方法应用于在登陆热带气旋影响下,每天00、06、12、18 UTC 4时次2分钟平均的站点风速预报。从2002-2007年热带气旋本身强度、站点地形情况和站点附近高低空环境场要素,设计相关因子,建立了4种预报模式,其中模式4的风速拟合误差的标准差为1.591 m·s~（-1）。用2008年8个登录热带气旋做独立样本检验,预报风速与实际风速的平均绝对值误差为1.750 m·s~（-1）,标准差为2.367 m·s~（-1）。结果表明,在适当的样本截取和预报因子选取后,SVM方法建模的风速预报48小时内效果较好。     

台风路径多模式集成预报技术研究

利用NCEP、ECMWF、日本数值、英国数值、上海台风模式和广州模式包含全球模式和区域在内的6家数值模式资料,利用近似SEAV方法,设计台风路径多模式集成预报方法(SHME),并用2014—2016年的台风客观预报数据进行多模式集成预报的效果检验,且与ECMWF模式进行比较,通过比较发现,SHME方法较ECMWF在12～48 h预报上有明显改进,在72～120 h预报2014年尤其突出,2015—2016年均与ECMWF预报效果相当。     

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。     

SOME ASPECTS OF OBJECTIVE FORECASTING OF TROPICAL CYCLONE MOTION

As shown in a statistical analysis of the relationship between environmental fields at varied timeand tropical cyclone motion, the forecasting ability of the initisl environmental field predictors for tropical cyclone motion decreases with the increase of valid time period of forecast;it is higher with these predictors at a fUture time than at an initial time. The work also indicates that for the tropical cyclone motion over a given period of valid forecast, better predictors appear at times mostly differing from thevalid periods; for periods at 48-120 h the environmental predictors at 48-72 h are more capable of forecasting. With statistical interpretation of NWP products, a predictive model for tropical cyclone motionis superior in performance over a statistical forecasting model that employes predictors of the initial field in the basic framework. The concluding remarks can be used as reference in the construction of an objective prediction model for tropical cyclone motion.     

一种神经网络的云图短时预测方法

依据6hT213数值预报产品的资料,采用EOF展开和人工神经网络等方法,对卫星云图短时预报方法进行研究。首先对卫星云图灰度值样本序列进行EOF展开,将提取出来的时间系数作为建模的预报量,以数值预报产品的物理量场作为预报因子,建立人工神经网络预测模型。将预报得到的时间系数与空间特征向量进行时空反演,实现对未来6h云图的预测。预报方法的独立样本试验证明,预测结果与实际云图的主要特征基本吻合,尤其在预测云图的大体分布和发展趋势上得到了较好效果。     

Impacts of a Large-scale Adaptive Blending Scheme for CMA-MESO on Regional Forecasts-A Case Study of Typhoon Haima

Large-scale atmospheric information plays an important role in the regional model for the forecasts of weather such as tropical cyclone (TC). However, it is difficult to be fully represented in regional models due to domain size and a lack of observation data, particularly at sea used in regional data assimilation. Blending analysis has been developed and implemented in regional models to reintroduce large-scale information from global model to regional analysis. Research of the impact of this large-scale blending scheme for the Global / Regional Assimilation and PrEdiction System (CMA-MESO) regional model on TC forecasting is limited and this study attempts to further progress by examining the adaptivity of the blending scheme using the two-dimensional Discrete Cosine Transform (2D-DCT) filter on the model forecast of Typhoon Haima over Shenzhen, China in 2016 and considering various cut-off wavelengths. Results showed that the error of the 24-hour typhoon track forecast can be reduced to less than 25 km by applying the scale-dependent blending scheme, indicating that the blending analysis is effectively able to minimise the large-scale bias for the initial fields. The improvement of the wind forecast is more evident for u-wind component according to the reduced root mean square errors (RMSEs) by comparing the experiments with and without blending analysis. Furthermore, the higher equitable threat score (ETS) provided implications that the precipitation prediction skills were increased in the 24h forecast by improving the representation of the large-scale feature in the CMA-MESO analysis. Furthermore, significant differences of the track error forecast were found by applying the blending analysis with different cut-off wavelengths from 400 km to 1200 km and the track error can be reduced less than by 10 km with 400 km cut-off wavelength in the first 6h forecast. It highlighted that the blending scheme with dynamic cut-off wavelengths adapted to the development of different TC systems is necessary in order to optimally introduce and ingest the large-scale information from global model to the regional model for improving the TC forecast. In this paper, the methods and data applied in this study will be firstly introduced, before discussion of the results regarding the performance of the blending analysis and its impacts on the wind and precipitation forecast correspondingly, followed by the discussion of the effects of different blending scheme on TC forecasts and the conclusion section.     

改进的热带气旋路径模糊概率预报方法试验总结

用改进的热带气旋路径模糊概率预报方法对１９９８—２０００年进入预报区并达到起报条件的１３个热带气旋作了４７次预报试验，２４ｈ平均误差为１１６．８ｋｍ，４８ｈ平均误差为２８１．０ｈｍ。其中模糊概率大于７０％的共有８次，２４ｈ平均误差为８７．９ｋｍ，４８ｈ平均误差为２０７．６ｋｍ，均明显小于总平均误差，达到概率越大误差越小的理想效果。同时试验表明方法对路径发生明显转折的热带气旋有较好的预报能力。     

利用人工神经网络模型预测西北太平洋热带气旋生成频数

通过对60年(1950~2009年)北半球夏、秋季(6~10月)热带气旋(TC)频数与春季(3~5月)大尺度环境变量的相关分析,挑选出8个相关性较高的前期预报因子建立人工神经网络(ANN)模型,对2010~2017年8年夏、秋季TC频数进行回报,并将回报结果与传统多元线性回归(MLR)方法所得结果进行对比分析。结果表明,ANN模型对60年历史数据的拟合精度高,相关系数高达0.99,平均绝对误差低至0.77。在8年回报中,ANN模型相关系数为0.80,平均绝对误差为1.97;而MLR模型相关系数仅为0.46,平均绝对误差为3.30。ANN模型在历史数据拟合和回报中的表现都明显优于MLR模型,未来可考虑应用于实际的业务预测中。     

APPLICATION OF STATISTICAL INTERPRETATION TECHNIQUES WITH NWP PRODUCTS FOR OBJECTIVE FORECASTING OF TROPICAL CYCLONE MOTION

Statistical study is first performed of the efficiency of the technique of statistical interpretation using the products of NWP. The result shows that the application of the technique has improved the predictabilily of predictors in objective forecasting of tropical cyclone motion, increased the forecasting skill of models and extended the valid period of forecast. Then a discussion is made of some technical problems in the application in the motion forecasting, suggesting: a large sample of data and perfect forecast method be employed in constructing objective forecast models for tropical cyclone motion, predictors be included that are so finely built that they reflect all synoptic features and physical quantity fields and NWP products be used and corrected that are available at multiple times. It is one of the effective ways to improve the skill and stability of the forecast by composite use of outcomes from various forecasting models.