一种制作气象要素预报的MOS方法

介绍了基于MM5模式的预报气象要素的一种MOS方法，并对预报效果做了初步检验。MOS方法直接利用MM5模式的预报产品，采用多点滑动平均普查因子方法和多元线性(非线性)逐步回归方法。可以同时预报多地点、多时次、多个气象要素。其中采用的多点滑动平均普查因子方法，减弱甚至消除了由于随机原因造成其中单点相关因子的不稳定性。     

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。     

基于MOS的内蒙古风电场风机风速预报方法研究

采用基于T639数值预报产品的MOS预报,建立了内蒙古风电场风机风速预报模型,并与EC集合预报、本地MM5及上级WRF风机风速预报产品进行了对比,结果表明:平均绝对误差、平均相对误差、均方根误差均表现为EC集合预报(集合平均)效果最好,MOS方法次之,均优于本地MM5和WRF指导。由于集合预报、MOS方法预报时效较长,因而具有显著的业务应用价值。MOS方法制作风机风速预报的优点在于:以形势场作为预报因子,发挥了形势预报更为准确的优势,同时能够有效消除模式的系统误差。     

美国模式输出统计预报十年简介

模式输出统计(model output statistics)方法简称MOS。MOS是1972年由美国气象学家Glahn和Lowry提出来的一种气象要素预报的动力统计方法。十年来MOS方法得到迅速发展,已经成为美国各种气象要素预报的主要方法,用以制作指导预报。美国地方气象台在国家中心发布的MOS指导预报的基础上,利用最新实况(除了常规观测资料外还包括卫星和雷达观测资料),同时应用简单平流模式制作18小时以内本地气象要素的MOS预报。许多国家的业务预报也普遍采用MOS方法。本文将着重介绍美国MOS预报的进展。     

动态统计预报模型及其在2008奥帆赛风场预报中的应用

通过比较各种MOS方法在短期风速风向预报中的优劣,建立了一种基于动力统计预报模型和数值预报结果进行优化集合的动态MOS预报方法。在2005—2007年8月份风速的后报检验中,集合MOS预报可以将数值模式MM5的风速预报绝对平均误差减少30%以上。对风向预报的准确性也有明显的改进。从2008年8月10日至21日奥帆赛期间浮标A、B、C和D的检验结果来看,观测风速不大于6m.s-1的情况下,MOS平均绝对误差仅为1.1m.s-1,比MM5相应的预报误差(1.45m.s-1)减小24%。值得指出的是MM5对8月17至18日和21日的大尺度大风天气过程预报相对准确,而统计模型对这三天的风速快速加速过程反应迟缓。MOS的风向预报与MM5没有本质上的差别。两者的平均绝对误差总的来说相差小于10°,对预报员的风向预报决策影响没有明显的区别。     

应用微机自动挑选场内的预报“关键区”

一、引言在MOS预报和其他预报方法的研制中,如何提高因子品质是大家所共同关心的问题。目前,对于大多数气象要素的实时场和数值预告场的处理是读取指标站资料或网格点资料,然后从中挑选与预报量关系最好的单点或多点平均(如:三点挑花,四点挑花等)作为因子。这些方法简便易行,但是单点的稳定性较差,且有较大的读数误差和偶然性,多点平均对此稍有弥补,但对于各种场的预报关键区事先不知其几何形状时,人为地作几点平均显然是不够     

基于MM5模式的精细化MOS温度预报

利用2002年9月到2003年8月MM5模式每隔1 h的站点基本要素预报场和物理量诊断场资料,以及相应时段内宁夏25个测站的温度自记观测资料,同时采用多元线性和逐步回归2种MOS统计方法,预报宁夏25个测站48 h逐时温度。通过对2004年6月至2005年5月的预报效果检验,结果表明:MOS方法对宁夏48 h逐时温度有较强的预报能力,当天气形势变化较平稳时,MOS预报结果稳定,平均绝对误差控制在2℃之内;当有明显的冷空气活动时,误差变率起伏波动较大,预报结果不稳定,但与原MM5模式直接输出结果相比,MOS预报水平有明显提高,24 h极端温度TS评分个别月接近甚至超过预报员。     

局地二分类MOS方程的预报稳定性检验

MOS预报方法主要是从数值模式输出的形势预报和物理量预报资料中筛选预报因子,建立统计预报方程,制作气象要素预报。由一定的样本资料建立的MOS方程,有的预报效果与拟合效果无多大差别,有的预报效果显著低于拟合效果,这就是MOS方程的预报稳定性问题。一个MOS方程,如果预报效果与拟合效果差异不显著,就认为方程的预报性能稳定。如果预报效果显著低于拟合效果,则认为方程的预报性能不稳定。下面介绍一个判断三分类MOS方程预     

精细化MOS相对湿度预报方法研究

利用2003年5~9月MM5模式每隔1 h的站点基本要素预报场和物理量诊断场资料,以及相应时段内宁夏25个测站的相对湿度自记观测资料,同时采用多元线性和逐步回归2种MOS统计方法,预报宁夏25个测站5~9月48 h逐时相对湿度。对2004年夏季6~8月预报效果检验表明:MOS方法制作宁夏48 h逐时相对湿度预报结果是可用的或是可参考的;2种MOS统计方法预报结果相近,逐步回归方法比多元线性方法预报效果稍好,08:00预报误差明显低于20:00;当天气形势变化较平稳时,MOS预报结果稳定,平均绝对误差控制在10%左右;当有明显的变温等特殊天气时,误差变率起伏波动大,预报结果不稳定。     

影响山西省降水的物理因子分析

本文采用滑动相关普查及多信度统计检验方法,利用近30多年来山西30个代表站点5月至10月总降水量与前期北半球500hPa月平均高度场(5°×10°格点),北太平洋月平均海温场(5°×5°格点)以及74个环流特征量作逐点、逐年、逐月滑动相关普查分析,找出了显著影响山西省降水稳定可靠的关键区因子,并对这些物理因子作了分析。     

航空气象要素预报算法和个例研究

介绍了颠簸、积冰、风切变航空气象要素的预报算法,其中对晴空颠簸采用L-P指数预报,对积冰的预报采用在经典积冰指数基础上计算VV指数预报,对风切变指数采用对垂直风切变和水平风切变以不同权重相加得到风切变指数的预报算法。实现了基于中尺度数值模式MM5产品的晴空颠簸、积冰、风切变的航空气象要素的预报,并对以上3种天气过程分别进行了典型个例分析,重点在于模式预报结果与实况天气的对比验证,结果表明中尺度数值模式对积冰、颠簸、风切变有一定预报能力。     

误差订正在辽宁地区冬季温度预报中的应用

利用7d固定误差订正和滑动误差订正方法对2014年冬季辽宁地区中尺度业务模式2m温度预报产品插值结果进行订正,并将订正结果与中央气象台MOS预报进行对比,分析MOS、7d固定误差订正和滑动误差订正3种数值模式后处理方法对辽宁地区冬季温度预报准确率的影响。结果表明:经过两种误差订正后的预报结果准确率均比数值模式预报插值结果高,滑动误差订正效果优于7d固定误差订正;24h最高气温预报中,滑动误差订正结果的准确率最高;最低气温预报中,08时滑动误差订正结果准确率高于中央气象台MOS预报,但20时滑动误差订正结果准确率低于MOS预报。滑动误差订正需1—15d的资料积累,比MOS方法所需资料少且操作简单,适合观测资料积累少的地区开展数值模式的温度订正。     

风的精细化MOS预报方法研究

利用MM5模式的站点输出产品,采用多元线性和逐步回归的MOS统计方法,预报宁夏25个测站48 h逐时风速、风向,通过对2004年6月~2005年4月近一年的预报效果检验,结果表明:该方法对逐时风速有较强的预报能力,对逐时风向有一定的预报能力,但尚未达到可用程度,还有待于进一步的改进,但都较原MM5模式预报水平有了显著的提高。     

一种自动挑选不规则形状格点组合因子的方法

一、引言众所周知,改进统计预报方法关键的一环是提高预报因子的质量。因此,如何选择好的预报因子是预报人员十分关心的问题。对于在格点要素场内挑选因子,大多采用多点(滑动)平均有规律扫描组合,或用事先设计的某些固定模式组合因子,从中选择相关好的;有的根据格点相关系数分布,直接取相关较高的若干点组合后得到。这些做法能够得到一些意     

MOS方法在短时要素预报中的应用与检验

通过对MM5数值预报产品的释用,将MOS统计方法应用到短时要素预报中,综合利用MM5数值预报产品、自动站实况数据和雷达数据等资料,建立降水和温度的4 h预报模型;降水作为不连续变量,将其通过建立降水可能函数的方法转化为连续变量,利用统计预报方法,可以达到定量预报的目的。通过对4140个时次的样本进行检验。结果表明：MOS预报结果较MM5直接输出结果整体有所改进,当数值模式误差较大时,统计方法显示出一定的优势;降水预报检验结果显示,TS评分为65%,预报正确率PC为91%。降水明显的样本(3 h雨量>5 mm)平均误差在8 mm以内,弱降水样本(3 h雨量<3 mm)平均误差在1 mm以内,预报方程对非雨日样本的整体预报效果较好,优于MM5模式预报,预报正确率高达98%,但对流性降水仍是预报难点;对于温度预报,20-08时段误差较小、平均在1.0℃以内,而11-17时、误差平均在1.5℃左右,但经过误差的季节订正,可以控制在1.0℃左右。     

用天气分析方法客观选取因子

本文通过对数值预报图中有限区域网格点各气象要素场资料的分析,找出本站产生降水天气的共性特征,选取具有天气学意义的网格点中各气象要素指标作为因子,用统计学方法建立MOS预报方程。     

基于MM5模式的站点暴雨预报方法研究

基于对MM5模式输出产品的解释应用,建立了站点定量的暴雨MOS预报方法。从临沂中尺度数值预报模式产品中挑选x1（模式预报降水）,…,x12（沙氏指数）等12个模式产品和物理诊断因子为基本可能预报因子,又添加它们自身的非线性型xi^2xi^3,xi^1/2,1nxi,e^xi（i=1,…,12）和各因子间非线性交互作xixj（i=1,…,11,j=i＋1,…,12）型的126个可能预报因子。用非线性逐步判别做晴、雨二级判别,然后对雨型样本做逐步回归,得到暴雨的MOS预报方法。检验结果表明：该模型对暴雨有较强的预报能力,可应用于实际预报业务中。     

MOS方法做广东省未来5天逐日滚动分县预报

MOS（MosdelOutputStatisics），即模式输出统计。美国、日本、欧洲一些国家七、八十年代先后用MOS方法取代PP方法，目前在国外许多国家MOS预报已成为最重要的气象要素预报方法。中国国家气象中心目前也正在试用MOS方法做分县预报。     

预报青岛9—11月降水的“MOS”方法

一、基本思路 根据天气学原理和预报员的经验进行天气分型,每型下由数值预报输出产品、天气实况资料选取预报因子,并利用点聚图、多因子组合做“线性化”处理,进而建立“MOS”预报方程。这是把天气学方法,数值预报(其中包括完全预报和“MOS”预报)、人的经验结合起来,取各方之长,融为一体的方法。     

龙川县气温预报方法的建立与应用

利用龙川站2008-2012年地面观测资料、欧洲中心数值预报产品,采用常规统计预报方法（逐步回归）,将最高（低）气温实况作为预报对象,把可能影响气温变化的气象要素作为预报因子,分月建立未来24～ 72 h最高（低）气温的MOS预报方程,通过对2013年全年的检验预报表明：未来24～72 h最高（低）气温预报平均绝对误差均在2.0℃以内.