基于集合经验模态分解的新疆地区温度场预测评估

综合运用经验正交分解法(EOF),集合经验模态分解(EEMD)和最小二乘支持向量机（LS SVM）,构建新疆地区候平均温度距平场预测模型。采用EEMD分别对经过EOF分解得到的前3个模态的时间系数进行分解,对分解得到的结果运用最小二乘支持向量机进行预测并重构得到了各个时间系数的预测结果,将时间系数预测的结果与空间场重构得到了候平均温度距平场的计算结果,在候平均的基础上计算得到了旬平均的结果,在旬平均的基础上计算得到了月平均的结果。通过采用距平相关系数(ACC〖WTBZ〗),预报技巧(SS)〖WTBZ〗和同号率对结果进行评估显示,对于候平均预测,其在前20候内的预测较为理想,平均ACC〖WTBZ〗达到了0.32,平均SS〖WTBZ〗达到了0.70,平均同号率达到了0.80。对于旬平均的预测,其在前10旬内较为理想,10旬以内平均ACC〖WTBZ〗达到了0.50,平均SS〖WTBZ〗达到了0.50,平均同号率达到了0.50。对于月平均的预测,3个月的预测平均ACC〖WTBZ〗达到了0.50,平均SS〖WTBZ〗达到了0.50,平均同号率达到了0.80。3个月内的短期气候预测具有较高的水平。     

基于改进EMD算法和BP神经网络的SST预测研究

海洋表面温度(Sea Surface Temperature,SST)具有非平稳、非线性的特征,直接将处理平稳数据序列的方法应用到非平稳非线性特征明显的序列上显然是不合适的,预测的误差将会很大。为了提高预测精度,更好地解决非平稳非线性序列预测的问题,本文以东北部太平洋(40°N~50°N、150°W~135°W)区域的月平均海洋表面距平温度为例,首先分别应用集合经验模态分解(EEMD)和互补集合经验模态分解(CEEMD)方法将SST分解为不同尺度的一系列模态分量(IMF),再运用BP(Back Propagation)神经网络模型对每一个模态分量进行分析预测,最后将各IMF预测结果进行重构得到SST的预测值。数值试验的结果表明,CEEMD分解精度比EEMD分解精度高,CEEMD提高了基于BP神经网络的预测精度。系列试验统计分析说明应用这种方法对SST的1年预测是有效的。     

基于深度学习的全球平均表面温度年际信号时间序列的预测北大核心CSCD

利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。     

EMD在广西季节降水预报中的应用

气候系统是一种耗散的、具有多个不稳定源的非线性、非平稳系统。该文利用支持向量机(SVM)算法在处理非线性问题中的优越性和经验模态分解(EMD)算法在处理非平稳信号中的优势,采用将EMD与SVM相结合的短期气候预测方法,并应用到广西季节降水预报中。选取广西88个气象观测站1957—2005年6—8月逐年降水量的距平百分率序列作为试验数据,通过EMD算法将标准化处理后的距平百分率序列分解成多个本征模态函数(IMF)分量和一个趋势分量,在分解中针对EMD算法存在的端点极值问题选择两种方法分别进行处理,对比得出极值延拓法效果更好。对每个分量构建不同的SVM模型进行预测,并通过重构形成最后的预测结果。试验中采用不经EMD处理的反向传播(BP)神经网络和SVM算法进行对比验证,结果表明:相对于直接预测方法,该文提出的方案均方误差最小,能够较为准确地反映出降水序列未来几年的变化趋势,具有更高的预测精度和较好的推广前景。     

基于EMD 和集合预报技术的气候预测方法

气候系统是典型的非平稳性系统,然而对于气候观测数据的处理通常是在时间序列平稳的假定下完成的,比如气温和降水的多步预报,这通常会导致预报准确度较低。为改进该缺陷,首先将非平稳数据序列分解成平稳的、多尺度特征的本征模态函数分量(IMF),再使用数值集合预报与逐步回归分析相结合的方式对每一个IMF 分量构建不同的预报模型,最后线性拟合成预报结果。通过Visual Studio 2008 开发平台使用上述方法建立了一个短期气候预报系统,采用广西区88 个气象站1957—2005 年的2 月距平气温数据进行实际验证。结果表明,相对于普通预测和单一预测方法,加入了EMD 和集合预报技术的方法在仅用历史资料进行多步预测的情况下,对于气候的变化趋势以及突发性气候具有更好的预报能力。      

基于DERF2.0模式1～52天最低温度逐日预报的检验评估

利用国家气候中心第二代月动力延伸预报模式系统(DERF2.0)1983 2013年历史回算数据中20个全样本集合平均的最低温度数据,对3月中国中纬度地区模式最低温度1~52天逐日预报能力进行了评估。结果表明,通过计算绝对误差的绝对值AE、均方根误差RMSE和相关系数R发现前10天预报可信度较高,预报时效越短,可信度越高,超过10天之后预报可信度越来越低。为了分析模式误差的深层次原因,利用集合经验模态分解方法(EEMD)对数据进行分解,DERF2.0模式和观测数据的高频分量IMF1和趋势项R为主要分量,低频分量IMF2占的比重较少。分析发现,DERF2.0模式在10天之后预报能力下降的主要原因是高频分量IMF1的预报能力下降。通过分析历年的结果,发现各项方差贡献率年际变化不大,比较稳定,高频分量IMF1和低频分量IMF2方差贡献率和观测数据相比普遍偏低,趋势项R方差贡献率和观测数据相比每年都偏高。DERF2.0模式应该针对高频扰动继续加强研究,提高DERF2.0预报升温降温过程的能力。     

基于EMD方法的观测数据信息提取与预测研究

用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变。虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着重重困难。其根本原因是气候系统的混沌分量和非线性/非平稳性等因素在起作用。而现有气候预测的统计方法(主要包括经验统计、数理统计和物理统计等方法)的数学基础却忽略了这些特点,这是因为以现有的科学水平人们不得不假设时间序列是线性和平稳的。实际气候观测序列普遍具有层次性、非线性和非平稳性,这给建立预测方法带来了极大困难。文中构建了一个新的预测模型,即首先利用经验模态分解(em-pirical mode decomposition,EMD)方法将气候序列作平稳化处理,得到一系列平稳分量-本征模函数(intrinsic modefunction,IMF);其次,利用均生函数(mean generate function,MGF)模型获得各分量的初次预测值;最后,在最优子集回归(optimal subset regression,OSR)模型的基础上,通过直接或逐步拟合一部分预测值,构建两种预测方案达到提高预测能力的目的。典型气候序列的预测试验结果表明,具有平稳化的IMF分量,尤其是特征IMF分量有较高的可预测性,它对原序列趋势的预测有重要指示意义。大力开展气候系统机理和气候层次的研究,并建立相应的气候模式是未来发展趋势。该文是这方面的一个初步尝试,相信该模型能为气候预测(评估)开辟一条新的有效途径。     

基于幅频分离的气候时间序列预测试验

从气候波动的瞬时频率与瞬时振幅出发,结合最小二乘支持向量机技术,提出了基于幅频分离技术的气候时间序列预测方法,并对南京地区降水距平进行了30候的预测试验。结果表明,幅频分离预测法能够对所有模态的振幅和高频模态的瞬时频率进行较好的预测,而预测的瞬时频率累积误差会对模态分量的预测距平相关性产生敏感影响,该新方法能够显著提高气候序列高频模态的预测效果。对于气候序列的低频模态分量,集合经验模态分解的边界效应会对瞬时频率的求解产生较大误差,使得序列边界区的幅角计算不准确,导致对低频模态的最终预测效果不理想。对气候序列的高频分量采用幅频分离并进行最小二乘支持向量机预测,而对其低频分量仅采用最小二乘支持向量机进行直接预测,可同时提高高、低频分量的预测效果,并最终提高整个气候序列的预测准确性。该分频预测方法可以使南京降水预测的30候距平相关保持在0.4以上。     

集合经验模态分解下中国新疆降水变化趋势的区域特征

降水是中国西北干旱区水资源的重要组成部分,利用合理方法有效认识降水的区域变化规律对指导农业发展尤为重要。基于新疆16个国际交换站1961-2012年降水距平时间序列,利用集合经验模态分解(EEMD)方法,分析了新疆降水变化趋势的多尺度特征,并对其空间差异进行了初步探讨。近50多年来,新疆降水量整体上呈现出非线性的显著增多趋势,且其变化存在明显的年际尺度(3年和6年准周期)和年代际尺度(10年和31年准周期);各周期分量方差贡献率显示年际变化在新疆降水变化中占据主导地位,重构的降水年际变化趋势能精细刻画原始降水序列在研究时期内的波动状况;降水年代际变化揭示了新疆降水在1985年前后气候模态有了显著转换,由原来降水以负相位为主的气候模态转向正相位显著的气候模态;此外,降水变化趋势和转折时间均具有明显的区域差异。EEMD方法有助于加深人们对新疆降水多尺度变化特征的认识,是一种适用于非线性、非平稳信号分析的有效方法。     

南京地区夏季高温日数年际变化的主要模态及其与200 hPa经向风的联系

利用集合经验模态分解（EEMD）方法研究了南京地区夏季高温日数主要的非平稳年际变化周期型。对1946—2000年的南京地区夏季高温日数进行分解,分别得到包含有准2年周期分量和6年周期分量的年际变化型,而且准2年周期分量幅度较大,变化特征与高温日数观测数据变化具有较高的相似性。不同于传统方法,EEMD方法给出了高温日数在不同时间尺度上各自分离的变化特征。另外,这两种时间变化模态的演变对应于同期夏季不同的全球200 hPa经向风波列型,前者主要作用区域在南亚经过南海、西太平洋的副热带地区到日本海附近、北美中纬度地区和南印度洋和南大西洋中高纬度地区,而后者仅位于欧亚中高纬度地区。这两种独立变化时间模态的对应的遥相关空间分布型对于提高南京地区高温日数气候预报精度有重要意义。     

长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解（EOF,Empirical Orthogonal Function）迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数（ACC）平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。     

基于地面电场资料的雷暴临近预报研究

利用总体平均经验模态分解算法(EEMD),对南京地区2010—2011年6—8月近地面大气电场资料进行分析,研究了晴天、弱雷暴和强雷暴天气条件下大气电场的振荡特征。在单站电场仪观测范围内,以晴天大气为背景场,根据固有模态函数(IMF)方差最大值对应层数的动态特性,建立并验证了两种强度的雷暴临近预报模型。结果表明:弱雷暴发生前IMF方差最大值对应层数跳变幅度较平稳,而强雷暴跳变幅度逐渐加剧。对IMF方差最大值对应层数进行三次样条插值,可直观地表征雷暴发生发展过程,延长预报时间至1 h。利用这些特征对92个独立样本进行预报效果检验,预报的准确率为73.3%,虚警率为14.5%。     

波流相互作用的大气系统中振荡模态的分析

把经验模态分解(EMD)方法用于波流相互作用的大气动力系统,对不同系统状态的流甬数解序列求其本征模态函数(IMF)分量,分析系统状态与IMF之间的关系,揭示流甬数的振荡结构.结果表明:随着系统的复杂性增大,构成解序列的IMF分量的个数相应增多.对于系统的定常态(Hadley流),每个流函数ψ分量的各个IMF分量都趋于零均值线;对于周期态(Rosssby流),ψ分量由1个周期性的高频IMF分量构成;对于振荡态,分量主要由2-3个较高频IMF分量构成;对于非周期流,ψ分量由多个非周期的IMF分量构成;对于周期-非周期状态,其本征模态有的有周期性,有的没有周期性.低频IMF分量表现ψ序列的长时间尺度的变化.     

基于季节内振荡的延伸预报试验

2～4周的延伸预报是近年来国际上天气和气候业务预报发展的一个重要方向。本文以江淮梅雨区降水为例, 在利用集合经验模态分解 (EEMD) 及多变量EOF方法获取梅雨区降水及其影响系统低频信号的基础上, 采用最优子集回归方法、 经验波传播 (EWP) 方法及全球海气耦合模式产品, 对梅雨季节内演变的延伸期预报方法进行了预报和试验, 以期为建立延伸期预报业务提供科学依据。试验结果表明: (1) 大气季节内振荡对梅雨区降水的延伸预报具有重要的应用价值, 可能是联系天气过程和异常的重要系统。(2) 通过EEMD方法提取前期降水演变及影响因子的季节内振荡信号, 采用最优子集回归统计学方法对梅雨区逐候降水量演变进行超前30天预报是有可能的。(3) EWP经验动力方法对热带ITCZ活跃异常的未来40天东传可能具有较好的预报效果, 还可能较好地预报出延伸期的梅雨区风场距平演变, 具有一定应用价值。(4) 全球海气耦合动力模式输出产品在延伸期环流形势趋势预报及20天左右的MJO指数预报方面有一定的参考价值。     

Extended Range Forecast Experiment Based on Intraseasonai Oscillation

2～4周的延伸预报是近年来国际上天气和气候业务预报发展的一个重要方向.本文以江淮梅雨区降水为例,在利用集合经验模态分解(EEMD)及多变量EOF方法获取梅雨区降水及其影响系统低频信号的基础上,采用最优子集回归方法、经验波传播(EWP)方法及全球海气耦合模式产品,对梅雨季节内演变的延伸期预报方法进行了预报和试验,以期为建立延伸期预报业务提供科学依据.试验结果表明:(1)大气季节内振荡对梅雨区降水的延伸预报具有重要的应用价值,可能是联系天气过程和异常的重要系统.(2)通过EEMD方法提取前期降水演变及影响因子的季节内振荡信号,采用最优子集回归统计学方法对梅雨区逐候降水量演变进行超前30天预报是有可能的.(3)EWP经验动力方法对热带ITCZ活跃异常的未来40天东传可能具有较好的预报效果,还可能较好地预报出延伸期的梅雨区风场距平演变,具有一定应用价值.(4)全球海气耦合动力模式输出产品在延伸期环流形势趋势预报及20天左右的MJO指数预报方面有一定的参考价值.     

中国夏季降水异常EOF模态的时间稳定性分析

本文基于1980~2012年中国160个台站降水资料,利用滑动交叉检验等方法讨论了中国夏季降水距平和距平百分率EOF各模态的时间稳定性,在此基础上探讨了EOF方法在中国夏季降水短期气候预测中的应用条件和潜在能力。研究表明,随机剔除一年样本,中国夏季降水距平场前四个EOF模态表现出显著的稳定性。若时间系数完全预测准确,则潜在的可预测站点主要位于黄河以南地区,理想预测与原始降水的距平相关系数为0.6左右。相对而言,降水距平百分率各模态的时间稳定性易受极端降水事件的影响,当人为削弱这种影响后,随机剔除一年样本,其前三个模态的稳定性得到提高,潜在的可预测站点均匀分布,理想预测与原始降水的距平相关系数为0.48。但是,伴随着预报时效的增加,降水距平和距平百分率后三个EOF模态的时间稳定性下降,预示着EOF方法对未来两年以上降水的预测能力将会明显下降。     

近地面大气电场数据EMD方法分析

将经验模态分解(EMD)方法应用于2009年夏季近地面大气电场资料的分析,分解出雷暴和晴天天气大气电场的不同时间尺度变化分量,并提取两类天气状态下的大气电场振荡特征进行对比.结果表明:EMD方法适合应用于近地面大气电场资料的分析,雷暴天气大气电场以晴天天气大气电场作为背景场,包含了周期振荡平稳的晴天天气成分;晴天天气大气电场能量集中于长周期振荡分量,而雷暴电场能量主要是集中于短周期振荡分量.发生雷暴前,IMF(本征模态函数)1分量的中心频率会出现明显跳跃或其对应幅度明显增大的现象.利用这些特征对随机选出的38次过程进行预报效果检验,得到预警的探测概率为84.2％.     

纬向平均环流预报的系统性误差及其改进

大量的月预报实例分析表明,纬向平均环流(本指高度场纬向平均分量)存在明显的系统性预报误差,且在总误差中占有可观的份额。国内外其它模式也存在类似的现象。为克服这一困难,本尝试了“结合”(hybrid)的途径。应用重构相空间理论和非线性时空序列预测方法,在大量历史资料的基础上,构造了月尺度逐侯纬向平均高度场(零波分量)距平场的非线性预报模型。然后,将非线性预报和谱模式动力预报结合起来,即将非线性预报结果转化为模式需要的颅报量,再在模式积分过程中的每一步取代其相应部分,实施过程订正。初步试验结果表明,这种途样合效地减少了模式纬向环流的预报误差;特别是通过非线性波流相互作用,还改善了部分波动分量的预报。     

基于EEMD的黄河中上游夏季降水预报方法的研究

传统的统计方法难以很好的对气候系统这一集非线性、非平稳性为一身的多层次系统进行处理。因此集层次化处理和平稳化处理的集合正交经验模态分解技术(EEMD)的提出,为解决上述问题提供了有效的途径。本文选取黄河中上游24个气象观测站的逐月降水资料,结合组合预报和集合预报思路,基于EEMD建立了统计预报模型。其中对降水序列中的高频部分进行了二次平稳化处理,实现对2008—2013年6—8月的降水预报,并用预报评分检测预报效果。结果表明:EEMD模型对黄河中上游夏季降水有着较强的预报能力,在该区域与气候模式和传统的统计方法相比具有更高的精度和更好的应用前景。     

EMD方法在广西夏季降水量预测中的应用

对广西夏季降水量进行EMD分解后,利用均生函数相关法,比较不同IMF分量组合建模的预测,不同组合试验预测显示,用前二个IMF分量组合建模预测是最佳的组合方案。经对2001—2010年共10年广西夏季降水量实际预测检验表明,趋势预测准确率达70%以上,对夏季降水量预测较有参考价值。为基层台站的气候预测及服务提供一个客观预测方法。