基于主分量神经网络的降水集成预报方法研究

运用人工神经网络与主分量分析(PCA)相结合的方法,对同一降水预报量的各种数值预报产品进行集成预报研究.结果表明:主分量人工神经网络方法所构造的集成预报模型,不仅对历史样本的拟合精度好于个各子预报产品,独立样本的实验预报结果也显示出更好的预报准确率及稳定性.业务应用前景良好.     

多步预测的小波神经网络预报模型

采用小波分析与人工神经网络相结合的方法，进行了一种新的非线性长期预报模 型研究。结果表明，所构造的小波神经网络多步预测模型对历史样本具有很好的拟合效果， 独立样本的预报效果也令人满意。并且，该预报模型具有误差收敛快，预报时效长以及建 模所需阶数低等显著优点，具有很好的研究前景。     

低温雨雪过程的粒子群-神经网络预报模型

利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。     

Statistical Downscaling for Multi-Model Ensemble Prediction of Summer Monsoon Rainfall in the Asia-Pacific Region Using Geopotential Height Field

The 21-yr ensemble predictions of model precipitation and circulation in the East Asian and western North Pacific （Asia-Pacific） summer monsoon region （0°-50°N, 100° 150°E） were evaluated in nine different AGCM, used in the Asia-Pacific Economic Cooperation Climate Center （APCC） multi-model ensemble seasonal prediction system. The analysis indicates that the precipitation anomaly patterns of model ensemble predictions are substantially different from the observed counterparts in this region, but the summer monsoon circulations are reasonably predicted. For example, all models can well produce the interannual variability of the western North Pacific monsoon index （WNPMI） defined by 850 hPa winds, but they failed to predict the relationship between WNPMI and precipitation anomalies. The interannual variability of the 500 hPa geopotential height （GPH） can be well predicted by the models in contrast to precipitation anomalies. On the basis of such model performances and the relationship between the interannual variations of 500 hPa GPH and precipitation anomalies, we developed a statistical scheme used to downscale the summer monsoon precipitation anomaly on the basis of EOF and singular value decomposition （SVD）. In this scheme, the three leading EOF modes of 500 hPa GPH anomaly fields predicted by the models are firstly corrected by the linear regression between the principal components in each model and observation, respectively. Then, the corrected model GPH is chosen as the predictor to downscale the precipitation anomaly field, which is assembled by the forecasted expansion coefficients of model 500 hPa GPH and the three leading SVD modes of observed precipitation anomaly corresponding to the prediction of model 500 hPa GPH during a 19-year training period. The cross-validated forecasts suggest that this downscaling scheme may have a potential to improve the forecast skill of the precipitation anomaly in the South China Sea, western North Pacific and the East Asia Pacific regions, wh     

BP神经网络模型在重庆伏旱预测中的应用研究

采用气象要素定义伏旱指数，利用小波分析等方法分析重庆地区伏旱变化特征，最后采用BP神经网络模型对伏旱进行预测试验，结果表明，重庆伏旱变化具有明显的阶段性特征，而基于BP神经网络模型的伏旱预测模型预测效果良好，可以应用于实际预测。     

基于主分量的神经网络水位预报模型应用研究

根据气象和水文资料，以上游面雨量、水位值为预报因子，以西江流域的梧州水位为预报量，发现预报因子与预报量有很好的相关性。采用人工神经网络与主分量分析相结合的方法，建立了梧州水位的预报模型。结果表明，该预报模型对历史样本拟合精度高，试报效果及预报稳定性明显好于传统的神经网络预报模型，可在预报业务中应用。     

月平均气温集成预测方法研究

为了有效综合各种预测方法的预测结果,以陕西3个气候区域1999年7月至2010年6月月平均气温的集成预测为例,利用3种预测方法和国家气候中心业务产品月平均气温预测结果历史评分建立二类6种动态客观集成预测方法进行对比研究,结果表明：（1）各种集成预测方法年评分平均值均高于参加集成的任何一个成员,6种集成预测方法评分平均值比4个成员评分平均值高4.6,比同期陕西发布的业务产品高5.1;各种集成预测方法预测与实况距平符号一致率至少高于其中3个成员,6种集成预测方法预测与实况距平符号一致率平均值比4个成员平均值高4.7%,比陕西业务产品高5.1%。（2）3个气候区域中,榆林集成预测效果最好。6种集成预测方法评分平均值比4个成员评分平均值高5.7,比陕西业务产品高5.7;预测与实况距平符号一致率比4个成员高6.9%,比陕西业务产品高7.3%。（3）第二类集成预测方法预测技巧高于第一类,全年评分平均值高0.5,预测与实况距平符号一致率高0.7%。其中Z_（23）全年评分平均值比4个成员评分平均值高5.1,比陕西业务产品高5.7,预测与实况距平符号一致率比4个成员高6.0%,比陕西业务产品高7.6%,推荐首先选择使用。     

用模糊均生函数作区域夏季旱涝预测

用模糊均生函数建模方案建立宁镇的地区夏季旱涝趋势预测模型，其拟合效果，特别是对大旱大涝的拟合十分理想。１９９４年用该模型预测宁镇地区梅雨量，结果与实况较为接近。     

人工神经网络台风预报系统

系统在经大量数据训练、运算基础上，选用了ＢＰ网络模型。为适应台风路径预报，对ＢＰ网络进行了改进，应用改进后的ＢＰ网络，自动训练到２１５９次后，由神经网络输出的判定台风移向趋势－西进，北上，西北移与实际历史移行路径概括率达９７％。在业务实用时，只需在指定硬盘路径中给出系统运行的３个文件，包括天气系统主要特征参数，系统即可以人机对话形式给出当前台风移动路径概率值。     

新疆克州地区气温年代际变化及均生函数预报模型的应用

讨论了克州地区气温突变及年代际变化特征，并利用均生函数预测模型对克州地区气温进行预测试验，1995－2001年预测试验表明，均生函数预测模型可以较好地拟合出气温的气候变化趋势，对年、季气温有较好的预测能力。     

集合预报开创了业务数值天气预报的新纪元

近年来世界上随着几个气象中心的集合预报投入业务,标志着业务数值天气预报进行了一个新的纪元,在任何进修大气的起初状态是不知道的,只有近似地描述大气,所以确切地说,天气预报问题应该提为大气的相空间中合适的概率密度函数随时间的演变。在误差的增长超出线性动力学范畴之外,集合预报是预报大气概率密度函数演变唯一可行的方法。可用扰动的产生是集合预报的主要问题之一。沿着预报系统的相空间中最不稳定的方向来扰动初始条     

基于SSA-MGF的BP神经网络多步预测模型

采用奇异谱分析（Singular Spectrum Analysis，SSA）方法对标准化样本序列进行准周期信号分量重建，将重建序列构造均值生成函数（Mean Generating Function．MGF）延拓矩阵作为输入因子，原样本序列作为输出因子，构建BP神经网络多步预测模型。通过实际建模并与逐步回归等方法进行对比预测试验，结果表明，基于SSA-MGF的BP神经网络多步预测模型预测效果优于其他3种模型，说明SSA的去噪及BP神经网络预报模型对于提高预测准确率是相对有效的，是一种具有较高应用价值的多步预测方法。     

重庆中尺度集合预报系统预报性能分析

为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：（1）不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。（2）概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。（3）从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。（4）对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。

     

Validation of Strategies using Clustering Analysis of ECMWF EPS for Initial Perturbations in a Limited Area Model Ensemble Prediction System

One of the main challenges for a skilful Limited Area Model Ensemble Prediction System (LAMEPS) is the generation of appropriate initial perturbations. In most operational LAMEPSs, the initial perturbations are provided by a global Ensemble Prediction System (EPS). Molteni et al. (2001 Marsigli, C., Montani, A., Nerozzi, F., Paccagnella, T., Tibaldi, S., Molteni, F. and Buizza, R. 2001. A strategy for high-resolution ensemble prediction. II: Limited-area experiments in four Alpine flood events. Quarterly Journal of the Royal Meteorological Society, 127: 2095–2115. (doi:10.1002/qj.49712757613)[Crossref], [Web of Science ®] , [Google Scholar]) proposed clustering analysis as an objective selection criterion to choose a member from the global European Centre for Medium-range Weather Forecasts (ECMWF)-EPS model as initial perturbations in LAMEPS. In this article, another strategy for using the clustering method is investigated which ensures that initial perturbations are centred on the control analysis. The main purpose of this article is to study the benefit of cluster analysis and to validate the effect of different clustering strategies on the performance of a 17-member LAMEPS. The system used in this study is the operational Aire Limitée Adaptation Dynamique Développement InterNational-Limited-Area Ensemble Forecasting (ALADIN-LAEF) model.

Three experiments were carried out over a 50-day period to validate different clustering strategies: i) representative members of 16 clusters from the 50-member ECMWF-EPS, where initial perturbations are not necessarily centred; ii) representative members from eight clusters and the symmetric pairs from ECMWF singular vector analysis; and iii) eight arbitrarily chosen ECMWF-EPS singular vector pairs. Results of the verified experiments show that the statistical reliability of ALADIN-LAEF improves when clustering is applied, but no clear improvement can be seen in the skill of LAMEPS. A case study of a heavy precipitation event confirms the result of the 50-day verification. The validation shows that none of the clustering strategies outperforms any other.

RÉSUMÉ?[Traduit par la rédaction] L'un des principaux défis d'un système performant de prévisions d'ensemble de modèle à domaine limité (LAMEPS) réside dans la génération de perturbations initiales appropriées. Dans la plupart des LAMEPS opérationnels, les perturbations initiales sont fournies par un système de prévisions d'ensemble (EPS) global. Molteni et coll. (2001 Molteni, F., Buizza, R., Marsigli, C., Montani, A., Nerozzi, F. and Paccagnella, T. 2001. A strategy for high-resolution ensemble prediction. I: Definition of representative members and global-model experiments. Quarterly Journal of the Royal Meteorological Society, 127: 2069–2094. (doi:10.1002/qj.49712757612)[Crossref], [Web of Science ®] , [Google Scholar]) ont proposé l'analyse par groupement comme critère de sélection objectif pour le choix d'un membre du modèle EPS global du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) comme perturbations initiales dans le LAMEPS. Dans cet article, nous étudions une autre stratégie d'utilisation de la méthode des groupements, qui assure que les perturbations initiales sont centrées sur l'analyse de contrôle. Le but premier de cet article est d’étudier les avantages de l'analyse par groupement et de valider l'effet des différentes stratégies de groupement sur la performance d'un LAMEPS de 17 membres. Le système utilisé dans cette étude est le modèle opérationnel ALADIN–LAEF (Aire limitée, Adaptation dynamique, Développement InterNational – Prévisions d'ensemble à domaine limité).Nous avons mené trois expériences sur une période de 50 jours pour valider différentes stratégies de groupement: i) membres représentatifs de 16 groupements d'un ECMWF–EPS de 50 membres, où les perturbations initiales ne sont pas nécessairement centrées; ii) membres représentatifs de huit groupements et les paires symétriques issues de l'analyse par vecteurs singuliers du ECMWF; et iii) huit paires issues de l'analyse par vecteurs singuliers du ECMWF-EPS choisies au hasard. Les résultats des expériences vérifiées montrent que la fiabilité statistique du ALADIN–LAEF s'améliore lorsqu'un groupement est appliqué, mais on ne perçoit aucune amélioration nette dans l'habileté du LAMEPS. Une étude de cas d'un événement de fortes précipitations confirme le résultat de la vérification de 50 jours. La validation montre qu'aucune des stratégies de groupement ne surpasse les autres.     

Evaluation of a Regional Ensemble Data Assimilation System for Typhoon Prediction

An ensemble Kalman filter(EnKF) combined with the Advanced Research Weather Research and Forecasting model(WRF) is cycled and evaluated for western North Pacific(WNP) typhoons of year 2016. Conventional in situ data, radiance observations, and tropical cyclone(TC) minimum sea level pressure(SLP) are assimilated every 6 h using an 80-member ensemble. For all TC categories, the 6-h ensemble priors from the WRF/EnKF system have an appropriate amount of variance for TC tracks but have insufficient v...     

一个新的季风指数及其年际变化和与雨量的关系

作者按曾庆存等所定义的标准化风场季节变率(和利用新的资料重新作了计算,为与国外传统的和至今大多数学者的定义一致,取δ*=δ-2＞0(即冬、夏风向差大于π/2)作为季风区,结果涵盖了迄今国内外所指出的全球所有季风区(但比曾庆存等算得的区域略为小些),尤其是热带季风区正处于冬季和夏季赤道幅合带(ITCZ)位置所夹的范围内.其后,用李建平和曾庆存建议的动态风场标准化季节变率δ*m=δm-2(δm形式上与δ相似,但依赖于年份m)作为各年季风指数,计算了各主要季风区区域平均的δ*m的年际变化,得到南亚夏季风和东亚夏季风自20世纪70年代中期起、南海夏季风自20世纪80年代起和西非夏季风自1967年起都有不同程度的长期减弱趋势,尤其以西非夏季风减弱最明显.西非夏季风指数和南亚夏季风指数与当地夏季雨量呈显著正相关,东亚夏季风指数与中国和东亚夏季雨量的空间分布有一定的统计相关结构,而南海夏季风指数则与全球各海区夏季降水和海平面气压异常有较好的大范围统计相关.     

高血压病发病率预报的人工神经网络方法研究

通过统计分析，选取影响银川地区高血压病发病率的主要气象因素，将其作为输入变量经多层前馈型神经网络的BP(Back Propagation)算法进行学习训练，建立了疾病发病率的人工神经网络(ANN，Artifical Neural Net)预报模型。结果表明：该方法计算简便、误差较小，为疾病发病率预报提供了一种新的预报方法。     

集合数值预报在洪水预报中的应用进展

水文集合预报是近几年正在形成和发展的水文预报分支,其发展大致可分为两个阶段:第1阶段是1970年至20世纪末进行的长期径流预报,第2阶段从21世纪开始,主要学习气象数值预报中集合预报的概念在短期水文集合预报中的应用。目前,除了单一预报中心的集合预报系统在水文集合预报中应用外,多个预报中心的集合预报大集合也逐渐被应用于流域水文预报,甚至一些小流域的洪水预报。如利用TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报驱动形成的大气-水文-水力的串联系统进行早期的洪水预警研究,将全球集合预报作为洪水模型输入的有限区域模式的初始条件和侧边界条件的研究。这些均表明,基于水文集合预报的洪水预报增加了预报附加值,并能够延长预警提前时间。以欧洲中期天气预报中心的欧洲洪水预警系统(EFAS)和美国NOAA的先进水文预报系统(AHPS)为代表,实现了集合预报在洪水中的实时业务预报,但仍存在数据处理和计算量大,以及如何基于集合水文预报做决策等问题。对于水文集合预报的前处理和后处理的各种技术已处于探索和验证阶段,如何更好地理解基于概率预报的洪水预警决策仍存在许多困难和挑战。     

集合预报业务使用现状和趋势

依据 1999年 11月 14～ 19日在欧洲中期天气预报中心举行的第 7届天气预报业务系统研讨会的情况 ,对集合预报的业务使用现状、集合预报产品以及未来趋势进行了介绍     

A Hybrid Neural Network Model for ENSO Prediction in Combination with Principal Oscillation Pattern Analyses

El Ni?o-Southern Oscillation(ENSO)can be currently predicted reasonably well six months and longer,but large biases and uncertainties remain in its real-time prediction.Various approaches have been taken to improve understanding of ENSO processes,and different models for ENSO predictions have been developed,including linear statistical models based on principal oscillation pattern(POP)analyses,convolutional neural networks(CNNs),and so on.Here,we develop a novel hybrid model,named as POP-Net,by combining the POP analysis procedure with CNN-long short-term memory(LSTM)algorithm to predict the Ni?o-3.4 sea surface temperature(SST)index.ENSO predictions are compared with each other from the corresponding three models:POP model,CNN-LSTM model,and POP-Net,respectively.The POP-based pre-processing acts to enhance ENSO-related signals of interest while filtering unrelated noise.Consequently,an improved prediction is achieved in the POP-Net relative to others.The POP-Net shows a high-correlation skill for 17-month lead time prediction(correlation coefficients exceeding 0.5)during the 1994-2020 validation period.The POP-Net also alleviates the spring predictability barrier(SPB).It is concluded that value-added artificial neural networks for improved ENSO predictions are possible by including the process-oriented analyses to enhance signal representations.