多隐层BP神经网络在模式预报中的简化应用

EC细网格预报效果好,基本满足业务需要,在工作中被广泛应用。为进一步提升预报准确性,做好迪士尼园区的气象服务保障,选取2016年7月至2017年6月1年的2 m温度预报场,24 h预报时效的时间分辨率为3 h,72 h预报时效的时间分辨率为24 h,分别用回归分析法、S型和简化Line型BP神经网络法进行模式释用,与迪士尼气象站观测数据对比。结果表明:阈值为1℃时,对模式结果释用后,均方根误差减少了0.5℃到1.0℃,3—9 h和21—72 h预报时效的准确率由原来的50%和30%分别上升到70%和50%。采用S型多隐层BP神经网络误差最小,不同预报时效释用稳定性最高,同时该释用方法对t_(min)的预报特征把握更精准,释用效果明显优于对t_(max)的预报释用,但迭代计算耗费时间大幅增多,与预报效果的提升不成正比。简化Line型的BP神经网络通过8个半月的数据量和简单的网络模式,捕获了EC预报的特征,不但减小了计算量,大幅缩短了计算时间,而且预报结果也有显著提升,预报稳定性较好,具有广泛的业务应用空间。     

CMIP5模式中El Ni?o-EAWM关系的模拟对东亚冬季风模拟的影响

本文利用统计学的方法,评估了17个参加第五次国际耦合模式比较计划(CMIP5)的海气耦合模式对东亚冬季风(EAWM)年际变化的模拟。结果表明:多数模式对东亚冬季风的年际变化有一定的模拟能力,其中对东亚大槽年际变化的模拟最好;模式对东亚冬季主要系统的年际变化在空间上的模拟好于强度,对强度的模拟以偏弱为主;通过综合评估得到模拟能力好的模式有:bcc-csm1-1,CCSM4,HadCM3,NorESM1-M。针对模式间对冬季风年际变化模拟能力差别较大的现象,选取了4个模拟能力最好的模式和5个最差的进行讨论;通过评估El Ni?o对东亚冬季环流的影响,发现模式对El Ni?o与EAWM之间相互关系(El Ni?o-EAWM)的模拟能力是模式间对冬季风年际变化模拟偏差较大的原因之一,即对El Ni?o-EAWM模拟好的模式对东亚冬季风年际变化的模拟也好。     

两类中太平洋El Nio特征的对比分析

利用1979—2012年逐月Hadley中心海表温度、欧洲中期天气预报中心次表层海温、NCEP/NCAR风场再分析资料,对两类中太平洋(CP)El Nio及耦合的大气环流特征进行分析。结果表明,第一类CP El Nio(CP-ⅠEl Nio)增暖中心位于Nio4区且关于赤道对称;第二类CP El Nio(CP-ⅡEl Nio)的Nio4区与热带东北太平洋区域(NEP,130~110°W、15~25°N)同位相变化,冬季成熟后形成关于赤道非对称的带状增暖结构。进一步的研究表明,两类CP El Nio次表层结构存在差异:CP-ⅠEl Nio冬季次表层海温异常(SOTA)在中东太平洋与西太平洋呈显著偶极分布;CP-ⅡEl Nio在中、西太平洋位相相反但东太平洋异常较弱,且经向异常主要在赤道及其以北。两类CP El Nio耦合的大气环流特征不同:CP-ⅠEl Nio冬季异常Walker环流上升中心位于赤道上空,经向风向赤道辐合,低纬地区Hadley环流加强;CP-ⅡEl Nio冬季低层向北越赤道气流加强,Walker环流上升中心移到赤道以北,低纬地区Hadley环流减弱。     

亚洲季风区海陆热力变化的观测分析及模拟评估

利用观测资料分析了亚洲季风区夏季海陆热力差异的变化特征。在此基础上,采用国际耦合模式比较计划第五阶段(Coupled Model Intercomparison Program 5,CMIP5)20个模式的输出结果,对其进行了模拟评估。结果表明,亚洲季风区夏季陆地上空温度呈下降趋势,海洋上空呈升高趋势,海陆热力差呈减弱趋势。虽然模式模拟的海陆热力差也呈减弱趋势,但陆地和海洋上空温度均呈上升趋势。模式对陆地上空温度趋势模拟较差的原因是对青藏高原上空的温度模拟偏低。进一步分析表明,对海陆热力差异模拟相对较好的模式对亚洲季风系统模拟较好,而较差的模式对亚洲季风系统模拟也较差。