均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

均生函数模型预报检验

通过对均生函数时间序列模型所作多种类型的预报进行检验发现,均生函数模型不但对观测统计值（如年、月平均值）而且对瞬时观测值（如最高气温）也有很好的效果;不但对平稳变化（如温度）而且对急剧起伏量（如太阳黑子）也有令人满意的结果。文中同时提出了改进均生函数模型的方法。     

均生函数预报模型的改进实验

为了提高对百色市主汛期月降雨量的预报准确率,基于均生函数预报方法,应用百色市1951—2006年6、7、8月份的月降雨资料,通过"短序列建模"和"残差订正"方法进行改进,得到原序列、短序列预报模型及其相应的残差订正预报模型。各改进模型均使预报精度和准确率得到了不同程度的提高,尤其是MGFAFMs模型的预报Ts比MGFFM模型提高了25%。研究结果表明:在月雨量预报业务实践中采取均生函数4模型集合预报方式将是一种很好的选择。     

均生函数场预报模型对降水预报的试验研究

基于均生函数的处理原则,运用经验正交分解方法,将正交展开的时间系数俄为预报因子,并引入逐步算法进行因子筛选建立预报模型。将均生函数场预报模型用于云南省汛期雨量及５月雨量预报试验。结果表明：用这种模型作区域性降水预报有一定的优越性,并可作多步预测,是一咱滚动客观预报方法。     

用均生函数预测模型预报降水的若干试验

基于均生函数的处理原则,对目前常用的均生函数逐步筛选模型,主成分模型进行预报试验,提出带逐步筛选的主成分模型,并用变化幅度较大的降水序列对三种模型进行若干预测试验,结果表明,逐步筛选的主成分模型优于主成分模型,在对不同预报步长的预测试验中也表明,逐步筛选的主成分模型在预测效果以及模型的稳定性方面都是较好的。     

用模糊均生函数模型作玉林地区前汛期降水量长期预报

利用模糊均生函数方法建立玉林地区前汛期降水量长期预报模型，经三年实际预报业务使用，取得较为满意的效果。     

长江三角洲汛期预报模式的研究及其初步应用

在短期自忆气候模式的基础上 ,着重考虑了区域性降水特点 ,组合均生函数时序模型 ,构造了区域降水预报模式。以降水预报为实例 ,计算表明 ,它能滚动制作月、季、年降水预报 ,尤其对汛期 (6～ 8月 )降水预报 ,具有相当好的预报能力。     

均生函数的改进模型在重庆地区主汛期降水预测中的应用试验

本文应用均生函数模型及其改进模型对重庆地区主汛期（6－8月）降水进行预测试验，结果表明：针对均生函数固有的缺点提出的改进方案所建立的数学预报模型具有更好的预测效果，是一种具有较高使用价值的长期预报方法。     

多变量均生函数的正交化筛选方案在季节降水预报中的试验研究

用预报量与多变量预报因子的均值生成函数,通过Ｇｒａｍ－Ｓｃｈｍｉｄｔ正交化使均值生成函数彼此正交,同时利用双评分准则确定入选预报模型的均生函数个数,最后建立山西省季节降水的预报模型。试验结果表明,该模型预报山西省季节降水的效果很好,是一种提高短期区域气候预报水平的可行方法。     

多步预测的降水时序模型

该文设计了一个能作多步预报的时间序列模型，先生成时间序列及其差分的均生函数，再运用双评分准则对所有均生函数延拓序列作粗选和精选，以期建立一个拟合和预报效果均好的模型。就长江中下游6—8月降水总量的序列进行了计算，证实该模型可用在制作逐年气候预报或分月长期预报中。     

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。     

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.     

多模式温度集成预报

基于中国国家气象中心T213模式、德国气象局业务模式和日本气象厅业务模式2 m高温度预报, 利用神经网络方法中的BP网络建立了我国600多个站的温度集成预报系统, 该预报系统的预报时效为72 h, 间隔为3 h。通过对2004年1—5月的预报结果检验, 表明:集成的温度预报结果明显优于3个模式单独的预报结果, 72 h内预报的平均绝对误差在3 ℃以内, 并且不存在明显的系统误差, 预报达到了一定的精度, 可以为预报员提供定时、定点精细的客观温度预报参考。分区的检验结果表明:不同区域预报误差存在差别, 新疆和西藏误差比较大, 而长江流域和华南地区误差很小, 并且不同区域系统误差的情况也不相同。从总体情况看, 预报误差还存在日变化, 一般来讲, 夜间的预报误差小于白天。     

Forecasting Quasi-stationary Front Rainstorm in Southeast China Using Synthetically Multilevel Analog Forecast Technology

The authors use numerical model integral products in a third level forecast of synthetically multi-level analog forecast technology.This is one of the strongest points of this study,which also includes the re-ducing mean vacant-forecast rate method,which pos-sesses many advantages with regard to filtering the analog term.Moreover,the similitude degree between samples is assessed using a combination of meteorological elements,which works better than that described using a single element in earlier analog forecast studies.Based on these techniques,the authors apply the model output,air sounding,surface observation and weather map data from 1990 to 2002 to perform an analog experiment of the quasi-stationary front rainstorm.The most important re-sults are as follows:(1) The forecast successful index is 0.36,and was improved after the forecast model was re-vised.(2) The forecast precise rate (0.59) and the lost-forecast rate (0.33) are also better than those of other methods.(3) Based on the model output data,the syn-thetically multilevel analog forecast technology can pro-duce more accurate forecasts of a quasi-stationary front rainstorm.(4) Optimal analog elements reveal that trig-gering mechanisms are located in the lower troposphere while upper level systems are more important in main-taining the phase of the rainstorm.These variables should be first taken into account in operational forecasts of the quasi-stationary front rainstorm.(5) In addition,experi-ments reveal that the position of the key zone is mainly decided by the position of the system causing the heavy rainfall.     

一次“梅中返春”稳定性持续暴雨过程的预报失误分析

使用NCEP-FNL资料对杭州湾一次稳定性持续暴雨过程进行分析,发现冷暖气流在浙江不断交绥形成持续降雨,低层冷空气和东南暖湿气流的不断增强,使大气斜压扰动发展,锋区降雨增强,暴雨发生。此次过程,由于数值模式预报出现偏差而导致杭州湾24h大雨、暴雨预报出现较大失误。检验结果,GFS模式36h预报时效内对冷暖系统预报较好,但对低层锋区的风场预报有偏差,从而对中低层辐合、水平锋生和水汽输送产生影响,大雨、暴雨落区出现偏差。另外,模式对杭州湾南岸冷空气影响预报偏弱也是暴雨漏报的一个重要因素。稳定性降雨预报中,预报员需重视模式在预报临近时刻的调整,根据实况监测和雨带的移动、演变对冷暖气流影响作甄别,从而及时调整降雨落区和影响时间,对预报做出有益修正。     

区域性地质灾害气象预报方法研究

从气象的角度，基于对全国地质灾害预警区域的划分，利用历史地质灾害记录以及历史气象资料，分区建立了全国范围的区域气象潜势预报模型，并从2003年6月1日开始投入业务应用。总体预报服务效果较好，收到了较好的社会效益。同时还要进一步加强科学研究，提高科技含量，优化预报模型。     

数值模式误差对降水四维变分资料同化及预报的影响

利用一个无量纲的水汽发展方程,针对同化时间窗口内出现和不出现降水两种情况,分析了不同模式误差和初始误差对降水四维变分资料同化预报效果的影响。结果表明,应用四维变分资料同化方法进行降水预报前,应该充分考虑数值模式中的误差,才能得到比较满意的同化及预报结果。假定同化窗口内获得的比湿观测场是准确的,当不存在模式误差时,四维变分资料同化方法可以有效地消除初始场误差,找到比湿真实初始场;而存在模式误差时,四维变分资料同化后的模式初始场会偏离真实的比湿初始场,并且模式误差越大,偏离程度越严重。在一些模式误差情况下,由于模式误差在同化窗口及延伸预报时段的作用不同,进行四维变分资料同化处理后,尽管累积降水量的预报结果在同化时间窗口内优于同化前的预报,而在最终预报时刻反而差于同化前。     

台风北冕 (0809) 数值预报敏感初始误差研究

基于WRF四维变分伴随模式建立数值预报敏感初始误差计算流程并对台风北冕 (0809) 进行了分析。结果表明:基于线性化近似的伴随敏感分析方法对台风系统在24 h内适用。构造敏感初始误差的参考系数存在一个合理的取值范围,参考系数取为0.08效果最好。在初始场中去除敏感初始误差能够有效减少预报误差,改善台风路径预报效果,依据24 h预报误差计算出的敏感初始误差订正对24 h后台风数值预报效果也有明显影响。另外,敏感初始误差分布在台风中心附近,伴随台风系统环流且各物理量分布形态相似。对流层下层和中上层的敏感初始误差均对数值预报效果有所影响,对流层中上层的作用略大于对流层下层。敏感初始误差中各物理量对数值预报改善的贡献各不相同,相对而言,风场的贡献最大。     

上海地区春季最高气温预报失败案例分析

本文分析了2015年3月17—18日上海地区连续两天发生最高气温预报失误的天气背景,并使用当日实况观测和业务预报使用的数值模式资料,剖析预报失败的原因,分析表明:对天空状况的误判是导致17日预报失败的主要原因,且东南风预报偏强更进一步增大了预报误差;冷空气影响时间的判断失误是导致18日预报失败的主要原因。从模式预报的实时检验、预报的跳跃性和不确定性角度分析了预报中存在的问题:预报员应重视本地和上游实况,从传统对单一确定性模式预报的依赖向多模式多起报时次及能提供概率预报和不确定性信息的业务集合预报的分析思路转型。此外,还需加强对集合预报的系统性检验、评估及数值预报释用产品的开发,增加包含不确定性信息的公众天气预报发布形式。