Shapley-模糊神经网络方法在华南台风卫星云图的长时效滚动预测中的应用

为了更好地利用大量的卫星云图观测资料来提高台风暴雨的预报能力,解决并提高对台风强降水云系变化的预报精度,延长对未来云系变化的预报时效,构建基于合作对策Shapley-模糊神经网络的华南区域台风卫星云图非线性智能计算滚动集合预测模型,对增强卫星云图资料在台风暴雨天气预报中的实用性和及时性具有重要意义。依据2013—2016年华南区域台风影响过程的卫星云图,采用类似于数值预报模式的集合预报方法,通过对间隔6 h的卫星云图云顶亮温样本序列做经验正交函数分解,将提取出的时间系数作为云图预报建模的预报分量。考虑台风云系的发展变化主要受云团环境物理量场的影响,利用数值预报模式的物理量预报产品作为各预报分量的预报因子,并采用k-近邻互信息估计的分步式变量选择算法,通过两步过程实现相关变量的选择与弱相关变量的剔除,分别建立相应时间系数的Shapley-模糊神经网络集合预报模型,进一步将预报得到的各时间系数与空间向量合成,重构得到未来时刻的卫星云图预报图,实现了云图6—72 h的长时效客观滚动预测。试验结果表明,新方案所预测的云图与实况云图相关较高,重构云图的基本轮廓、纹理特征分布、清晰度以及云系强弱方面都比较接近原始云图。另外,研究进一步基于相同的云图预报因子,针对同样的建模和预报样本采用多元线性回归方案进行和新方案一致的云图预测。对比结果表明,这种非线性预报模型比线性方案能更好地预报未来较长时效台风云团的发展、移动的主要特征和变化趋势,其预测的云图与实际云图的主要特征更相似。云图预报时效达到了72 h,具有业务实用价值。