数值产品省级分县温度预报方法研究

将国家气象中心Ｔ６３、Ｔ１０６和欧洲中心数值模式中温度预报场、湿度预报场、Ｕ、Ｖ分量预报场分别插值到１０８个测站上,以此作为预报因子,运用ＰＰＭ法、ＭＯＳ法、ＫＬＭ滤波法,分别建立最低、最高气温预报方程,用以上预防方法所得的预报结果作为预报因子,进行二次滤波集成和全集成预报,并建立了“数值产品省级分县温度预报系统”。１９９７年６月—１１月将该预报系统投入业务运行,取得了良好的预报效果。     

太原地区集成温度预报方法研究

利用日本、欧洲中心、北京Ｔ６３等数值预报输出产品，选用省级实时资料库中的实时资料，采用ＭＯＳ法、ＰＰ法、统计法、卡尔曼滤波法以及集成预报法分别建立了最低，最高气浊和地面最你地温预方程，研究了各种温度的预报技术，给出了客观定量的温度预报方法，并在微机上开发研制了“太原地区集成温度预报系统”。通过实际业务运行，取得较好的预报效果。     

三峡近坝区雹云临近预报集成系统试验研究

本文采用集成预报方法，将天气学诊断、雹云数值模拟、雷达回波参数判别三种预报方法的结论经(0，1)化处理，分别作为预报因子，根据三种不同预报方法的预报准确率给出各个因子的权重系数，最后调整组合成雹云临近预报方程。结合三峡近坝区5年的降雹资料，建立预报模型。外场试验检验表明该集成预报系统预报准确率可达到70％以上。     

分类与集成方法在降雨预报中的应用

介绍一种利用数值预报产品进行降雨预报的方法.该方法按照人工智能分类与集成的思想,利用前馈神经网络将T213、日本、德国的数值预报产品集成在一起,构成一个集成型的预报系统.在此基础上,利用高度场的天气形势和预报区域近低层流场和温湿条件,采用自组织神经网络进行天气分型,并针对不同的天气类型选用不同的预报因子,建立不同的预报模型.按照上述方法,选用江淮流域68个站点2003-2005年的5-9月数据,逐站建模,用2006-2007年5-9月的数据进行分级降水试报.各级降水预报结果表明,集成多家数值预报信息好于仅用单一模式的信息,采用天气分型建模优于不分型的建模.因此,多模式(型)预报结果的综合集成方法的研究,是数值预报解释应用中很值得探索的方向.     

T106数值预报产品在分县降水预报中的应用

将Ｔ１０６数值预报产品２４～４８ｈ的几个主要物理量预告场格点数据,用距离权重法分别插值到全区所属１０个测站上,并通过灰色关联分析,选取与降水关联度大的物理量作为预报因子,运用灰色预测ＧＭ（０,ｈ）模型制作铜仁地区短期２４ｈ逐日降水县预报。经对１９９５年６～８月进行模拟试验和对２０００年８月进行试报,可作为我区短期降水分县预报方法之一。     

最佳数值预报模式选取与订正系统设计——温度集成预报系统

本文依据国家指导预报产品,山西省MOS预报以及MM5数值预报产品,对山西省的温度预报进行集成,通过3种客观预报方法的前期准确率对比,建立数学模型,从而产生一种新的客观预报方法。系统对3种数值预报产品进行了集成,建立了一个统一的预报指导产品分析、对比平台,为省台预报员提供一种客观的温度预报参考手段。     

基于超级集合思想的数值预报产品变权集成方法探讨

针对目前地方气象台站能获取的国内外数值预报产品种类多、数量大、质量参差不齐的实际情况,探讨了几种基于超级集合思想的多模式数值预报动态变权集成处理方法.该方法经济、简便、有效,为预报员从海量的数值产品信息中提取更为准确和精细的集成形势场、物理量场、降水预报、冷空气活动预报、集成矩、特征线路图等多种具有较高质量的集成统计新产品,能动态反映各类数值预报模式的预报能力变化,在一定程度上提高了不同时间、不同区域的精细化预报水平和数值产品的利用效率,为业务预报提供了有价值的参考.     

基于BP人工神经网络的区域温度多模式集成预报试验

基于T213L31、T106L19和欧洲中期预报中心数值预报产品,应用BP人工神经网络技术,建立了850 hPa高度区域温度集成预报模型,并进行了检验.结果表明:该模型能比较准确地预报强冷空气活动过程中冷中心及温度槽脊的位置和强度,预报结果的平均绝对误差明显小于3个子模式,预报场与实况场的相关程度明显高于3个子模式,预...     

东营市相对湿度集成预报系统

运用多元回归法和多因子权重回归法分别建立预报模型,并在此基础上建立了相对湿度集成预报系统.     

基于机器学习的复杂地形下短期数值天气预报误差分析与订正

初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2 m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2 m温度、10 m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%—33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分“挖掘”不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。      

东营市森林火险天气等级预报系统

利用9210传输的气象资料，选用国家气象中心T106和HLAFS数值预报产品中的要素作为火险天气因子，根据森林火险原因，建立了东营市森林火险天气等级预报系统。     

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。     

天津市多模式气温集成预报方法

在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。     

2004年汛期(5～9月)主客观降水预报检验

随着气象事业的发展，天气预报的质量越来越依赖于数值预报产品的性能。预报产品检验是评价预报质量和提高预报水平的有效手段。针对2004年汛期（5～9月）中央气象台预报员及T213、HLAFS25、MM5、GRAPES、日本及德国等国内外数值预报模式短期时效的降水预报做了详细的统计学检验。检验结果表明，对于汛期平均而言，各模式与预报员的小雨预报较好，随降水量级的增加TS评分迅速下降，国内外数值预报模式之间降水预报水平差别不大，预报员与模式相比水平略高；但对于过程预报而言，过程不同，各模式和预报员的表现不同，预报员和MM5对河南暴雨预报较好；GRAPES和日本模式对台风暴雨预报略好；T213对于四川东部暴雨的大量级降水预报较好；无论是预报员，还是数值预报模式，北京暴雨的预报是一个典型的失败个例。同时，我们也发现检验系统存在一些问题，有待今后逐步改进。     

T63预报产品对暴雨增强预报业务系统的影响及效果分析

利用兰州区域气象中心暴雨增强数值预业务系统，对应Ｔ６３模式预报产品资料和不用Ｔ６３模式预报产品资料两种方案进行了对比试验，并逐日分析了１９９６年７月、８月西北区的降水及形势预报结果，对其中几次大的降水过程作了重点讨论。     

用不确定度指数实时评价模式预报场业务性能

引入不确定度概念,结合“马赛克化”方法,定义不确定度指数和不稳定度指数,开发了实时业务系统,对ECMWF、JMA和T213的数值预报场进行了实时的性能评价;通过一段时间的资料统计,对3个模式的总体性能进行了对比。结果显示,该方法可为实时评价数值预报产品的性能提供一种客观依据,为预报员在日常预报工作中对数值预报模式性能的了解和科学选用数值预报产品提供科学定量的参考。     

数值预报产品统计释用技术在热带气旋路径客观预报中的应用

首先对应用数值预报产品统计释脾技术的效果进行了统计。结果表明,数值预报产品和技术的应用改善了热带气旋路径客观预报中预测因子的预报能力,提高了模式的预报技巧并拓展了有效预报时效。继而对热带气旋路径客观预报中若干统计释用技术问题进行了讨论,并指出：在应用数值预报产品构造热带气旋路径客观预报模式时,采用大样本资料和完全预报方法,细心构造反映各种天气系统特征和物理量场的预报因子,应用多时刻产品并对ＮＷＰ产     

利用T213和ECMWF数值预报产品作暴雨落区概率预报

充分利用T213和ECMWF数值预报产品的优势，对相关预报场进行定量集成。根据历史统计和产生暴雨的几个必要条件，选取相关因子进行判别，并按权重进行叠加，得出未来24h暴雨落区概率预报图，在业务应用取得了满意的效果。     

利用T213和ECMWF数值预报产品作暴雨落区概率预报

充分利用T213和ECMWF数值预报产品的优势,对相关预报场进行定量集成。根据历史统计和产生暴雨的几个必要条件,选取相关因子进行判别,并按权重进行叠加,得出未来24h暴雨落区概率预报图,在业务应用取得了满意的效果。     

支持向量机与卡尔曼滤波集合的西太平洋副热带高压数值预报误差修正

基于T106数值预报产品资料,提出了支持向量机和卡尔曼滤波相结合的方法来进行夏季西太平洋副热带高压数值预报的误差修正与预报优化。首先采用支持向量机方法建立了西太平洋副热带高压面积指数的误差修正模型。基于支持向量机预报优化模型尽管有比较好的拟合精度和预报效果,但与实际副热带高压指数尚有一定的差异。究其原因,除预报对象(副热带高压)本身比较复杂、模型优化因子不够充分以及数值预报误差自身的随机性以外,优化模型的输入、输出基本上是一个静态映射结构,因此前一时刻的预测误差难以得到有效的反馈、调整和修正。为考虑前一时刻预报误差的反馈信息,动态跟踪副高的变化趋势,随后引入卡尔曼滤波方法建立支持向量机-卡尔曼滤波模型,对支持向量机模型的输出结果作进一步的调整和优化。试验结果表明,该方法模型的预报优化效果优于T106数值预报产品以及单纯的神经网络修正模型和卡尔曼滤波修正模型的优化效果,能够较为客观、有效地修正西太平洋副热带高压指数的数值预报误差,改进和优化西太平洋副热带高压的数值预报效果。该方法为副热带高压等复杂天气系统和要素场预报提供了一种新的思路,表现出较好的应用前景。