对目前概率统计预报中有关因子挑选和组合的几点讨论

一、多因子线性回归分析的不合理性和逐步回归挑选因子的弊病在利用气象要素前后期的相关关系的预报中,多因子回归分析是目前采用较多的一个概率统计预报方案。所熟知的数学模型是:Y=a_0+a_1X_1+a_2X_2+……+a_nX_n+8这里包含了几项重要的假定:1.各预报因子 x_1,x_2,…,x_n 之间彼此线性无关;各预报因子均独立地对     

支持向量机(SVM)及其在场预测中的应用

介绍一种新的非线性回归分析方法--SVM回归.利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案：（1） 将因子场和预报场分别用方差标准化、EOF场展开,提取两场时间系数;（2） 用SVM回归分析实现因子场时间系数对预报场时间系数非线性预测;（3） 由预测的预报场时间系数与对应空间函数反演原场.用交叉检验的方法,对1960～2003年1月热带海表温度场预报汛期（6～8月）华中区域降水场进行试验.SVM回归44年独立预报平均技巧评分10.4%,较随机预报具有明显的技巧水平,优于经典回归.     

利用单一的和集合的方法预告区域预报技巧

本文利用平均海平面气压的模式预报误差(MFE)的3个预告因子研究了预告澳大利亚有限区域模式36小时预报技巧的可能。两个预告因子使用单一预报:其中1个以对于初始分析和预报的MFE的统计回归为基础;另1个因子利用了预报的持续性程度。第3个因子应用了与其它NWP中心的预报集合偏差。根据5个月的逐日36小时预报,发现了上述预告因子与MFE的相关系数分别是0.58、0.18和0.40。用最佳线性方法把上述3个因子组合后与MFE的相关系数增加到0.71。用两个月的独立资料集进一步对组合因子进行试验,得出的相关系数是0.67。因此,把这种方法应用于独立的和非独立的资料中,可以解释MFE方差的近50％。这证明了这种方法对于在总体上鉴别模式预报好坏有业务应用价值。澳大利亚东南部的实例研究,进一步证明了这些预告因子在整个预报区域中可以相当好地鉴别预报技巧。     

逐步回归自相关分析

作者从时间序列的自相关分析出发，提出了一种适于回归统计分析的生成预报因子的简单方法，建立起自相关预报模型。实例计算表明，此方法不仅预报精度较高，而且在对周期性相关因子的选择上具有等同的统计、检验前提，避免了一般方法因周期长度不同而带来统计，检验差异的影响。因而得到的回归因子较客观，真实。另外，还具有一定的分析时间序列隐含周期的能力。     

基于气象因子的华中电网负荷预测方法研究

在分析各种节假日负荷变化规律的基础上, 利用气象因子作预报变量, 使用动态的综合线性回归和自回归相结合的混合线性回归方法及非线性的人工神经网络方法来进行华中电网日负荷和日最大负荷及日最小负荷的预测。对12个月共365天的独立样本试预报表明, 该客观方案对华中电网负荷的预测精度可满足业务调度的需要。     

支持向量机在太阳辐射预报中的应用

利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案:(1)将多因子和多预报量分别方差标准化,EOF场展开,提取主分量;(2)用SVM回归分析实现多因子主分量对多预报量主分量非线性预测;(3)由预报的多预报量主分量与对应空间函数反演原预报量。选用武汉预报日同一天气类型的上一日逐时(05—18时)总辐射、日最高温度、温度日较差、日天气类型观测值以及预报日的日最高温度、温度日较差、日天气类型预报值为因子,对预报日逐时辐射量进行预报。独立预报试验表明,预报与实况接近。     

多因变量双因子集矩阵回归预报方法

在多因变量多元回归中,采用单因子筛选引入公共预报因子进行矩阵回归预报时,由于自变量间互相关联,有可能存在这样的双因子,单个因子回归检验不太显著,但2个因子检验变得显著,势必造成某些预报信息的遗漏。基于此该文引入多因变量双因子集矩阵回归预报方法,通过对玉溪市9站点5月雨量预报检验,预报效果明显高于单因子筛选回归,尤其对特多特少异常年更具有指导意义。     

相关比回归模型与线性回归模型对比分析

在日常的统计天气预报中,我们采用线性相关系数挑选预报因子,但实际经验告诉我们:某些预报因子与预报对象之间存在着明显的非线性关系。我们在国外提出的相关比计算方法的基础上,把近邻权方法引入到相关比计算中,以提高其估值精度,并提出相关比回归模型,把非线性信息引入到模型中。本文通过实际试验结果分析线性回归模型与相关比回归模型的优劣、不同近邻权参数对相关比回归模型拟合、使用的影响。     

东海区域热带气旋路径统计动力预报研究

文章主要介绍了东海区域热带气旋路径统计动力预报方案及其使用情况。该方案在原有台风路径统计动力预报方案的基础上调整了预报区域，重新选取了历史样本；延长了预报时效；对随机参数的相关因子，尤其是其中的天气经验因子进行了改进，并引进了欧洲中期数值预报中心的数值预报产品因子。另外，还对有关因子的重要性做了分析研究。经独立样本检验和实时预报表明，该方案的热带气旋预报路径和实际路径相当吻合，各项误差比同类产品明显减小，对实际业务预报服务具有较好的参考价值。     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

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.     

华北汛期降水多因子相似订正方案与预报试验

本文基于动力—相似预报的基本原理, 在已初步建立的华北汛期降水模式的动态最优多因子组合相似订正方案工作基础上, 研究前期关键因子之间的相互配置对夏季降水的影响, 挑选关键的大气环流预报因子。根据预报年前期气候因子的异常状况, 通过EOF压缩自由度进行相似年选取, 进一步构建了基于前期异常信号的汛期降水相似订正预报方案。研究发现, 预报年前期大气环流中异常因子个数的偏多或偏少与该年华北降水的多寡呈现较好的对应关系, 并以异常因子的个数状况作为判断该年是否为异常年的标准, 将异常多因子方案与动态最优多因子方案相结合, 建立模式误差相似订正的多因子综合预报方案。通过诊断分析发现, 该方案对降水异常年有着较好的针对性。2003～2009年7年的独立样本回报结果表明: 该方法进一步提高了模式对华北汛期降水的预报能力, 将华北汛期降水预报的距平相关系数 (ACC) 平均分从系统订正结果的0.38提高至0.61, 具有良好的业务应用前景。     

一个改进的湍流垂直扩散过程参数化方案

研究了数值天气预报模式中次阿格湍流垂直扩散过程的参数化问题。以Ｂｏｕｇｅａｕｌｔ和Ｌａｃａｒｒｅｒｅ（１９８９）的参数化方案为基础，改进了处理湍流混合长的方法，使湍流混合长和热力混合长分别依赖于基本气流的静力稳定度和风场切变。新方案的基本思路是把ＶｏｎＫａｒｍａｎ（１９３０）提出的动力（风场切变）湍流扰动假设与ＢＬ－８９方案提出的热力（静力稳定度）湍流扰动假设结合在一起，强调了大气的热力结构、动力结构和湍流动能对湍流混合过程的共同影响。新方案和ＢＬ－８９方案的二维对比数值试验结果表明，在大气处于静力较稳定而风场切变明显条件下的湍流扰动表现能力方面，新方案比原方案有明显的改进。     

Impact of Analysis-time Tuning on the Performance of the DRP-4DVar Approach

In this study we extend the dimension-reduced projection-four dimensional variational data assimilation (DRP-4DVar) approach to allow the analysis time to be tunable, so that the intervals between analysis time and observation times can be shortened. Due to the limits of the perfect-model assumption and the tangentlinear hypothesis, the analysis-time tuning is expected to have the potential to further improve analyses and forecasts. Various sensitivity experiments using the Lorenz-96 model are conducted to test the impact of analysistime tuning on the performance of the new approach under perfect and imperfect model scenarios, respectively. Comparing three DRP-4DVar schemes having the analysis time at the start, middle, and end of the assimilation window, respectively, it is found that the scheme with the analysis time in the middle of the window outperforms the others, on the whole. Moreover, the advantage of this scheme is more pronounced when a longer assimilation window is adopted or more observations are assimilated.     

CAMS复杂云微物理方案与GRAPES模式耦合的数值试验

CAMS复杂云微物理方案是混合相双参数方案, 包括11个云物理变量和31个云物理过程, 能够同时预报水成物的比质量和数浓度。通过在GRAPES非静力中尺度模式中增加预报量并修改相关程序后, 实现了二者的耦合, 耦合后模式运行稳定。选取2005年8月15—17日我国华北地区一次暴雨过程, 利用耦合后的模式进行48 h模拟试验, 同时还选取了GRAPES模式中其他3个比较复杂的微物理方案进行模拟, 着重分析了降水和水成物分布的模拟结果。研究结果表明: CAMS方案能够模拟出与实测相接近的雨带分布特征, 并且对降水演变的模拟结果与其他方案比较一致, 对暴雨中心位置的模拟有待改进。CAMS方案模拟的水成物垂直分布与其他方案相比具有相似的总体特征, 各相态粒子的量级和分布合理, 不同方案的结果在量值上有所差别。个例分析结果显示出CAMS方案对降水和水成物的分布能够合理描述。今后应通过更多个例进行更为精细的模拟试验, 对新方案进行检验。     

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.     

Application of statistical techniques to the analysis and prediction of ENSO: Bayesian oscillation patterns as a prediction scheme

Here we study the low-frequency variability of the tropical Indian and Pacific basins with a new statistical technique, Bayesian oscillation patterns (BOP). To describe the climatic system in this region, zonal wind and sea surface temperature (SST) are the selected variables. Their variability can be explained in terms of a reduced number of frequencies and spatial patterns. These are identified for each field by a statistical procedure. With the help of the patterns and the frequencies a predictive scheme is devised and applied in two forecast experiments. In the first, zonal wind anomalies are predicted using patterns and frequencies identified in the wind field. A more sophisticated scheme, a linear model which includes non-harmonic oscillations and interactions between patterns, is used when forecasting SST seasonal anomalies in the Niño3 region. In this case, the predictors include the values of the frequencies identified in the BOP analysis of both wind and SST fields, and thecorresponding patterns.     

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。      

一种夏季大范围降水趋势分布的预报方法

综合考虑了影响夏季降水异常的大气、海洋因子和降水变化规律，提出了一种大范围降水异常分布的统计预报方法。用１９９１－１９９４年的独立资料检验，取得了满意效果。