遗传算法优化的BP神经网络在地面温度多模式集成预报的应用研究

基于TIGGE资料集中的ECMWF、CMA和JMA的数值预报产品,利用加权集成、回归集成和消除偏差集成等线性集成方式与遗传算法优化的BP神经网络(GABP)集成,对我国大部开展地面2 m温度在24 h、48 h和72 h预报时效的多模式集成预报试验。通过对2013年1—6月的预报检验,结果表明:GABP集成预报效果有较大提升,均方误差明显小于各单一模式预报。GABP集成的误差分布在新疆和华北均方误差较大,但是在预报效果改进上GABP集成在西部地区相对单一模式的误差减小更加明显。在进行几种多模式集成方式时,GABP集成相比线性方法预报结果更加精准。对于天气过程个例的预报,GABP集成预报出预报量的变化趋势,预报效果优于单一模式和线性集成预报。无论是较长时间段还是短时间的天气过程,在改进预报效果上GABP集成都起到了最佳的作用。     

基于多模式的巢湖降水集成预报检验及应用

利用2014年2月—2015年9月中尺度模式预报(INCA、WRF)、全球模式(ECMWF、JMA)数据,结合巢湖湖泊周边区域站降水实况,应用自适应最小二乘集成法(简称统计集成)和加权平均集成法(简称加权集成)开展多模式集成预报试验,并对统计集成和加权集成效果进行检验与分析。研究表明:1)2种集成预报比单一模式预报的误差明显降低;2)在6~24 h时效内统计集成误差比加权集成误差大,在48~72 h时效内低于加权集成;3)在小雨级别,统计集成TS评分最高,中雨以上级别,统计集成TS评分低于加权集成,加权集成正确率始终高于统计集成。     

基于深度学习的中国地面气温的多模式集成预报研究

基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。     

OCF气温预报大误差日的对比检验分析北大核心CSCD

为评价用于公众气象服务的精细化多模式客观集成预报服务产品(refined multi-model objective consensus forecasting service products,以下简称OCF)多模式集成气温预报效果,分析其误差成因,以中国区域OCF日最高气温和日最低气温预报检验为切入点,对服务影响较大的大误差日及其典型特例——降温日开展检验分析,并与参与OCF集成的ECMWF和NCEP气温预报进行对比。结果表明:OCF日最高气温和日最低气温总体上预报性能优于参与集成的模式预报,准确率夏季高冬季低,拉开了气温变化范围,也有效减小了误差。OCF的大误差日较少,但2~3 d时效及冬半年的大误差日较ECMWF多,与集成的模式预报性能、降温天气相关。针对降温日的检验分析发现:OCF、ECMWF和NCEP在降温日的预报性能有所下降,OCF日最高气温预报误差增长尤其快;OCF对降温日的日最低气温、非降温区域的日最高气温进行了有效订正,但在降温日的降温区域里,其日最高气温预报有明显的正误差特征。基于以上分析,提出了OCF气温集成订正技术改进方向,说明针对性的检验更利于发现客观模式预报及集成订正的问题。     

ECMWF细网格模式在北疆降雪预报中的统计检验

采用ECMWF细网格模式产品,对发生在北疆2015年1月—2017年4月共20场降雪天气过程进行统计学检验。结果表明,48 h预报时效内ECMWF细网格模式对形势场、850h Pa比湿、对流层位涡及对流层低层u、v风场预报误差较小,精度较高;对流层中低层垂直速度和相对湿度及300 hPa u、v风场的系统性误差较小,随机误差相对较大,并建立了ECMWF细网格模式48 h预报时效内在北疆降雪天气预报中的应用模型;模式对新疆北部暖区降雪的各量级预报随时效的延长准确率并非减小,尤其是中雪;72 h预报时效内,模式对12 h累计降雪量为小雪和中雪的预报相对较稳定,强降雪的误差较大,随时效的延长并非呈增大的趋势;在预报业务中注意订正应用。     

山岳型风景区最高最低气温预报方法研究

利用ECMWF预报场资料和地面观测资料开展支持向量机(SVM)、卡尔曼滤波(Kalman)两种统计方法对山岳型风景区气温集成预报方法的研究,并且结合自动气象观测站气温资料进行检验。结果表明:单一的SVM方法预报准确率较高且稳定,传统的Kalman方法预报效果不太理想,对长时效预报效果较差;加权集成后,3种集成方法预报稳定性较好、准确率比单一的SVM和Kalman预报方法均有所提高。从不同预报时效的检验结果看,各预报方法最高和最低气温预报准确率随着预报时效的增加均呈现降低的趋势。绝对误差分析表明,各预报方法最高气温的平均绝对误差均低于最低气温的平均绝对误差。     

基于集合预报和支持向量机的中期强降雨集成预报试验

本文基于欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)集合预报资料和支持向量机(SVM)回归方法建立了多模式集成的动力-统计客观预报模型(SVM-多模式集成预报),继而选用2012年5—9月(共计153 d)发生在淮河流域及其以南地区的大雨和暴雨开展了回报试验,并将所得预报结果与ECMWF的控制预报和集合平均预报进行了多角度比对评估。结果表明:在中期预报时效(4~7 d),SVM-多模式集成预报方法对2012年5—9月大雨和暴雨的预报效果最优,尤其对暴雨预报准确率明显提高,其优势主要体现在对强降雨中心分布范围和强度的预报更接近实况。     

浙江省水库流域面雨量的多模式预报效果分析与检验

基于站点观测资料和欧洲细网格(ECMWF)、日本高分辨率(JMA)及多模式客观集成预报技术(OCF)模式预报资料,以2015年2-7月为例,评估这三种模式对浙江省6个水库流域客观面雨量预报效果。水库流域面雨量预报值采用网格算术平均法计算,面雨量观测值采用泰森多边形法计算。检验评分方法采用平均绝对误差、TS评分(Threat Score)和模糊评分法。初步检验结果表明:1)ECMWF对大雨暴雨的预报效果优于其他模式的,OCF对中雨的预报效果优于其他模式的,对小雨预报,三种模式效果相当。2)各模式预报效果均随着降水等级增大而下降。小雨时,空报率远高于漏报率,其中ECMWF和OCF漏报率不到10%;大雨暴雨时,漏报率远高于空报率,其中JMA漏报率达75%~90%。3)三种模式对浙江中部北部地区水库流域面雨量预报效果整体优于对浙江南部地区水库的,且随着降水等级升高,南北水库之间预报效果差异增大。4)ECMWF对大雨暴雨的预报效果随着时效临近表现为明显改善,OCF和JMA在72 h预报时效以外,预报效果随时效临近呈改善趋势,在72 h时效以内,预报效果不稳定。     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

CMA-GFS与ECMWF模式预报产品不一致性特征

为讨论CMA-GFS模式与ECMWF模式对不同要素预报性能的差异,选用2019—2021年500 hPa位势高度、地面气压、地面2 m气温、12 h降水量的4种要素为对象,采用跳跃指数为评价指标,对比分析了不同区域CMA-GFS、ECMWF模式预报的不一致性特征。结果表明：1） 在形势产品（500 hPa位势高度、地面气压）预报方面,两种模式多日平均预报跳跃指数和频率（即预报不一致性）随预报时效的延长而逐渐增大,总体而言CMA-GFS模式预报不一致性比ECMWF模式略显著。2） 在要素产品（地面2 m气温、12 h降水量）预报方面,ECMWF模式预报的跳跃指数、频率都随预报时效的延长而逐渐增大;CMA GFS模式预报的跳跃指数、频率随预报时效的延长出现“两头大、中间小”的变化;CMA-GFS模式预报不一致性比ECMWF模式显著,尤其短预报时效差异更明显。3） 除CMA-GFS模式12 h降水预报外,同一模式相同要素预报区域范围越大预报跳跃指数越小,两者呈反比关系。4） 两种模式的500 hPa位势高度、地面气压、地面2 m气温预报的跳跃指数分布均呈自南向北逐渐增大趋势,而12 h降水量预报的跳跃指数分布呈自北向南逐渐增大趋势,另外12 h降水量预报的跳跃指数分布与特殊地理位置有关。     

基于ECMWF和华东区域中尺度模式的暴雨预报特征研究北大核心

为探讨ECMWF、华东区域中尺度模式(简称为CMA-SH9模式)多个时效对夏季(2019年6—8月)暴雨预报特征,采用目标对象检验方法对不同类型影响系统下模式预报的强降水落区面积、位置、形状等进行评价,并对预报难度较大的受西风槽和西太平洋副热带高压(以下简称副高)边缘切变线影响的高空要素场及环流形势场进行了研究。结果表明:ECMWF和CMA-SH9模式对夏季暴雨预报偏小3个量级次数最多,CMA-SH9模式各时效对暴雨及以上降水预报的准确率大多高于ECMWF;ECMWF和CMA-SH9模式对热带气旋与中纬度系统相互作用的暴雨预报最好,其次是冷涡影响,预报较差的是受西风槽及副高边缘切变线影响的暴雨过程;西风槽及副高边缘切变线影响时ECMWF的位势高度场预报略好于CMA-SH9模式,温度的预报500 hPa以上CMA-SH9模式略好于ECMWF,500 hPa以下二者相差不大,相对湿度的预报CMA-SH9模式误差小于ECMWF,且CMA-SH9模式850 hPa的36 h和60 h时效预报误差最小;受西风槽及副高边缘切变线影响的一次暴雨过程中,相对湿度90%及以上落区的预报ECMWF与实况10 mm·h^(-1)降水落区几乎无交集,CMA-SH9模式的预报包含了10 mm降水落区。     

模式距平积分订正法对广西区域ECMWF地面2m温度预报的订正效果评估

采用基于历史资料的模式距平订正法(ANO),利用2011~2015年欧洲中心高分辨率数值预报(ECMWF)的地面2m温度和广西区域自动站气温观测资料,对2016年广西区域2m温度预报进行订正试验,对比分析订正前和订正后的预报误差,结果表明:EC对广西区域2m温度的预报误差随着预报时效增加而逐渐增大,午后误差较大,夜间误差较小,预报值大多偏低。0~72h预报(较短预报时效)冬季误差较小,夏季误差较大;72~240h预报(较长预报时效)夏季误差较小,秋季和冬季误差较大。随预报时效增加,误差增大的幅度夏季较小,冬季较大。误差的离散度在较短预报时效的午后为冬季较小,夏季较大,在较长预报时效及夜间则与之相反。ANO方法对午后温度预报的订正效果优于当日其他时刻。该方法对夏季的温度预报有很好的订正效果,秋季的订正效果次之,春季的订正效果不明显,冬季的订正效果为负面作用。     

基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.     

粤港澳大湾区汛期降水的多模式集成预报方法的评估检验

基于欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)五个模式集成的交互式全球大集合预报系统（THORPEXInteractiveGrandGlobalEnsemble,简称TIGGE）资料集的确定性预报、集合预报以及地面降水观测数据,采用多模式集成平均(EMN)、消除偏差集成平均(BREM)、滑动训练期超级集合方法（R_SUP）对2018年华南汛期（4—9月）粤港澳大湾区的降水预报开展了评估检验。总体而言,多模式集成预报方法在大湾区前汛期降水预报的均方根误差平均比后汛期高2mm;多模式集成预报方法的预报能力在前汛期随着预报时效的延长而呈持续下降趋势,后汛期则表现为短期（24~72h）下降、中期（72~168h）持续平稳的变化特点。与预先的假设差异主要表现在：对前、后汛期的降水预报综合表现最好的均是数学原理相对简单的EMN,而BREM和R_SUP的空间平均评分指标则稍差,但其在降水落区预报中仍有较好的预报技巧。     

超级集合预报在湖南地区的试验分析

基于TIGGE集合预报资料分析评估了欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)4个模式系统在湖南2008年低温雨雪冰冻天气过程中的气温预报技巧,并对湖南地面气温和欧亚地区500 hPa天气形势进行了超级集合预报试验.结果表明,在湖南地区,ECMWF的预报效果最好,CMA的预报效果最差,并且ECMWF的168 h预报误差小于CMA的24 h预报误差.滑动训练期超级集合预报误差比较稳定,预报效果优于最好的单中心模式和固定训练期超级集合预报.对于24～ 72 h预报时效滑动窗口可选取50 d左右,而对于96 ～168 h预报时效的滑动窗口有必要选取2个月以上.此外,滑动训练期超级集合预报各时效对500 hPa天气形势的预报技巧都比单中心的预报技巧高,并且和实况资料相比,其预报效果也比较好.     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

滁河流域汛期多模式集成面雨量预报检验评估

对2013—2016年汛期ECMWF、JMA及中尺度WRF模式的预报结果进行检验,基于合理的时间尺度,制作了动态权重集成面雨量预报(DWI)、分步集成面雨量预报(SI)和等权重集成面雨量预报(EWI)产品,并对2017—2020年汛期降水期间多种集成面雨量预报产品和ECMWF、JMA、WRF的单个模式面雨量预报产品进行对比评估.结果表明:3种集成面雨量预报效果整体上优于单一数值预报模式,尤其是预报致灾严重的暴雨等级降水优势明显;DWI和WRF对强降水的面雨量预报正确率最高,其他2种集成面雨量预报结果次之,ECMWF及JMA较差;模式集成预报弱降水过程的优势不明显.     

四川地区多模式2m温度预报性能分析及集成方法研究

本文通过分析2017年9~12月四川地区ECMWF(European Centre for Medium-Range Weather Forecasting)细网格模式、GRAPES_GFS(Global and Regional Assimilation and Prediction System)全球模式和西南区域模式(South West Center-WRF ADAS Real-time Modeling System, SWCWARMS)2m温度168h预报时效内的系统性偏差特征,采用滑动双权重平均法分别对三种模式温度预报产品进行偏差订正,并集成得到各时效2m温度的订正场,结果表明:(1)三种模式的预报存在明显的日变化,整体上EC模式的预报最优。(2)三种模式对于低温和高温的预报,在全省均大致呈现负的系统性误差,特别在高原及过渡区表现的尤为明显。(3)订正后三种模式的预报准确率显著提高,均方根误差减小1.4~2.5℃,大部分地区平均误差维持在±0.5℃之间,在系统性偏差较大的地区,订正效果更好。(4)两种集成方案预报结果接近,且均优于三种模式的订正预报。     

台风路径多模式集成预报技术研究

利用NCEP、ECMWF、日本数值、英国数值、上海台风模式和广州模式包含全球模式和区域在内的6家数值模式资料,利用近似SEAV方法,设计台风路径多模式集成预报方法(SHME),并用2014—2016年的台风客观预报数据进行多模式集成预报的效果检验,且与ECMWF模式进行比较,通过比较发现,SHME方法较ECMWF在12～48 h预报上有明显改进,在72～120 h预报2014年尤其突出,2015—2016年均与ECMWF预报效果相当。     

基于小波分析的西北区智能网格气温客观预报方法的检验评估

基于中国气象局(China Meterological Administration,CMA)高分辨率数值预报产品、欧洲中期数值预报中心(the European Center for Medium-range Weather Forecast,ECMWF)精细化数值预报产品和国家级地面观测站数据,采用小波分析方法及滑动训练、最优融合等技术对模式误差序列进行时频处理,实现了对模式系统误差和局地误差的订正,发展了西北区智能网格气温客观预报方法(northwest intelligent grid temperature objective prediction method,NWTM)。以2017年3月—2018年2月数据作为训练样本,对2018年3月—2019年1月西北区239个国家基本站进行检验。结果表明:1)NWTM对CMA和ECMWF两种模式产品的气温预报能力有显著的提升;随着预报时效增长,两种模式订正产品的误差增大。2)NWTM对ECMWF西北区最高气温的订正效果要明显优于CMA,但就最低气温而言,NWTM对CMA的订正效果更为显著。其中,就24 h最高气温而言,ECMWF在宁夏的订正效果最好,CMA在青海的订正效果最好;而对于24 h最低气温的预报,CMA在西北4省的订正效果相差不大,ECMWF在陕西的订正效果最好。3)空间误差检验表明:针对最高气温的预报,ECMWF订正产品的订正能力明显优于CMA,特别是在甘肃河西走廊和中东部、陕西北部和南部、宁夏中南部及青海大部。就最低气温的预报而言,ECMWF和CMA对甘肃河东和陕西南部的订正能力较好;ECMWF订正产品在宁夏中南部及青海南部的订正能力高于CMA,而CMA订正产品在陕西中部的订正能力更优。