华南区域模式在湖南省的2 m温度预报检验与订正研究

基于2019年8月至2020年7月华南区域模式（CMA-GD）预报和湖南97个国家站2m温度实况,开展了模式温度预报检验和逐步回归订正技术研究。结果表明,华南区域模式2m温度预报与实况变化趋势基本一致,预报偏差具有明显日变化,白天准确率下降、夜间升高,随着预报时效的延长,偏差增大;夏半年预报偏差大于冬半年;湘西预报效果优于湘东;00时起报的2m温度预报优于12时起报。基于华南区域模式预报产品,区分起报时次和季节的2m温度预报逐步回归订正预报效果较好,订正后预报相对于模式预报误差下降、准确率提高,有明显正技巧,对12时起报的模式预报效果改善更大,不同站点订正效果略有差异,对预报误差较大站点,订正效果明显。     

冬奥延庆赛区风的预报技巧比较分析

为了提高2 min平均的10 m风预报精度,开展了多种建模和检验方法比较.根据欧洲数值中心集合预报系统产品及北京海陀山的5个测站资料,使用一元回归、岭回归、神经网络、粒子群-神经网络等方法建模,进行2021年2月逐日的未来3天6 h间隔预报误差订正,并从多个角度分析预报精度差异.结果为:(1)系统误差、预报准确率检验表...     

支持向量机非线性回归方法的气象要素预报

该文介绍了基于基本的支持向量机非线性回归方法,该方法具有解决非线性问题的能力,在数值预报解释应用技术中,对某些预报量与预报因子之间相关性不显著的要素,如风、比湿等,采用支持向量机非线性回归技术较多元回归的MOS方法更具优势;利用北京市气象局中尺度业务模式 (MM5V3) 的12:00(世界时) 起始数值预报产品和观测资料,制作北京15个奥运场馆站点6~48 h逐3 h的气象要素释用产品。对比MM5V3模式,从均方根误差的平均减小率来看,2 m温度减小12.1%,10 m风u分量减小43.3%,10 m风v分量减小53.4%,2 m比湿减小38.2%。与同期的MOS方法预报结果相比,整体预报效果SVM略优于MOS。由此可见,支持向量机非线性回归方法解决与预报因子之间非线性相关的气象要素较好,具有较高的预报优势。     

不同因子处理方法对广西MOS方程降水预报准确率影响的试验

利用１９９５—１９９７年Ｔ１０６输出产品，以相同的数学回归模型对各种不同的因子处理方法生成的预报因子做广西８９站的降水预报准确率对比试验，结果表明预报因子的选取与准确率关系极大。这也说明了选取合理的、有物理意义的因子是建立ＭＯＳ降水预报方程成功与否的关键。     

京津冀站点风温湿要素的机器学习订正方法

基于线性回归方法、梯度提升回归方法(GBRT方法)、XGBoost方法和堆叠集成学习方法(Stacking方法)4种机器学习方法,采用误差分析建模思路,针对北京城市气象研究院研发的睿图-睿思系统对2020年12月—2021年11月所有起报时次未来3~12 h的2 m温度、2 m相对湿度、10 m风速以及10 m风向4种气象要素预报,开展京津冀复杂地形下的站点预报误差订正技术研究及试验应用。结果表明:基于预报误差分析构建的4种订正模型中,由于Stacking方法集成了前3种方法的优势,在4个季节的4种气象要素订正中均表现最佳,其他3种单一机器学习方法试验中,XGBoost方法表现最佳,其后依次为GBRT方法、线性回归方法,但均对预报准确率有明显的正向提升效果。总体上,基于机器学习方法构建的预报误差订正模型可有效降低系统原始预报误差,有助于进一步提升复杂地形下站点客观释用产品的预报准确性。     

多模式温度集成预报的检验分析

该文利用C#程序语言逐日读取欧洲数值预报模式(Ec)、中国数值预报模式(T639)、德国天气在线(ZX)、美国天气(MG)、中国天气(ZG)、中央气象台指导预报(ZY)6家模式预报的日最高气温(Tg)和日最低气温(Td)预报值,建立预报数据库。使用LINEST函数对Tg和Td做多元回归分析,得出6家模式的集成预报结果,结果表明:集成预报(JC)比6家模式预报准确率都高;同时,建立本地化订正方法,将原6家模式Tg和Td进行订正后再集成,结果表明:订正后的集成比直接集成准确率提高了0%～4%,说明订正方法的使用对提高气温预报准确率有一定的效果。另外,通过对各家模式预报结果和集成预报结果的检验分析,不仅为预报员择优使用数值预报产品提供参考依据,也为数值预报产品释用提供一定的参考方法。     

基于EC细网格数值预报产品的太阳辐照度订正技术

太阳辐照度与光伏电站发电功率密切相关,其预报的准确性直接影响发电功率预报的准确性。根据光伏电站太阳辐照度实况、气象站实况、WRF(Weather Research and Forecast Model)模式辐照度预报、EC细网格数值预报以及太阳理论辐照度,利用逐步回归法开展太阳辐照度预报订正研究,得到以下结论:①太阳辐照度实况与太阳理论辐照度的比值与EC细网格数值预报中气象要素的相关性优于太阳辐照度实况与气象要素的相关性;②不同时刻影响太阳辐照度的气象因子存在差异,通过逐步回归法建立不同时刻太阳辐照度预报模型;③在非晴天情况下,回归预报辐照度相对均方根误差比WRF模式预报辐照度降低10%左右,减小了辐照度预报误差。该研究成果在光伏电站的新能源数值预报服务中有一定的应用价值。     

最优子集的神经网络预报建模研究

作者尝试用最优子集方法进行神经网络长期预报模型的建模方法研究。结果表明,在很多情况下,由于最优子集方法比逐步回归方法能选取更好的预报因子,因此所构造的神经网络预报模型具有更好的拟合和预报效果,这为神经网络在长期预报的应用研究提供了新的思路和方法。     

利用ECMWF产品对庆阳极端气温释用效果分析

利用CMSVM的回归方法,用2003～2007年的欧洲数值预报格点资料和庆阳市8个自动站极端气温资料建立最高最低气温预报模型.2008年业务运行效果检验评估表明:5 d最高、最低气温综合平均预报准确率达到64%和71%,对实时业务有较好的指导作用.最高、最低气温准确率随着预报时效的延长效果降低,最低比最高气温的预报准确率高.最低气温预报效果春夏季好于秋冬季,最高气温相反.最高、最低气温绝对误差和平均误差都随预报时效的延长增大,最高比最低气温平均绝对误差大,二者的平均误差接近,均为正值,预报值具有偏高的倾向.对9月明显变化过程的评估表明,最高最低气温预报与实况演变的趋势相似.     

基于数值预报产品的地面气温BP-MOS预报方法

在山东省临沂市气象局开发的"中尺度数值预报业务系统"的基础上,利用高分辨率的数值预报产品和地面气温观测资料,建立了地面气温的BP神经网络方法预报模型。检验结果表明BP神经网络模型的气温预报准确率高于逐步回归模型和MM5模式输出的气温预报准确率,可应用于实际预报业务中来制作气温的精细化预报。