三种非线性回归逐时气温预报比较订正

选取ECMWF和T639的2013年1月至2014年12月的数值预报场构造预报因子,基于神经网络、支持向量机和构造函数的非线性方法,预报地面逐时气温。试验结果显示,在单个方法预报误差较大时,3种方法的偏差订正集成方法更利于减小误差,通过偏差订正,3种非线性方法预报效果良好,平均绝对误差减小了0.5 ℃。在近1年独立样本的预报检验中,集成方法、神经网络、支持向量机和构造函数预报的平均绝对误差分别为1.5 ℃、1.7 ℃、1．8 ℃和1．4 ℃,总体上构造函数预报更为准确。     

不同初始场及其扰动对WRF 模拟暴雨的影响

使用ERA-interim和FNL再分析资料分别驱动WRF,对2013年7月12—13日的一次暴雨过程进行数值模拟,详细比较了WRF模拟结果之间的差异。结果表明:(1)两种资料在次天气尺度上存在着较大差异,并由此造成了模拟结果之间的差异,ERA-interim作为初始场对降水的模拟优于FNL资料,反映了WRF对初、边界条件的敏感性;(2)从区域总降水量来看,湿度场扰动对降水量的影响最大,其次是风场扰动和温度场扰动,最小的是侧边界扰动;(3)从降水误差来看,湿度场扰动引起的降水误差最大,在积分20 h内风场扰动的降水误差大于温度场,积分21~24 h则相反,侧边界扰动引起的降水误差在前期比较小且增长缓慢,积分一段时间之后与单个气象要素扰动引起的降水误差相当。