广州中尺度模式局地要素预报性能分析

该文简要介绍了华南中尺度模式的地表要素的预报诊断方案, 站点要素时间序列预报情况.用适合站点要素时间序列预报的检验方法, 检验并分析了各要素时间序列预报的性能.表明该中尺度模式的地表要素时间序列预报方案是有效的, 预报具有较高的准确性和应用价值.     

用车贝雪夫多项式做时间序列预报的一种改进方案

为提高预报准确率，本文对作者以前提出的时间序列预报方法，提出了一种改进方案。这一方案的要点是:1）在计算理想初值的预报时，针对不同情况选择不同的迭代次数；2）在通过迭代终值计算预报时，对不同情况使用不同的拟合误差平均值；3）当拟合误差的符号难以确定时，直接取迭代终值作为预报值。实例计算表明， 新的方案有利于提高预报准确率。     

北京地面气温可预报性及缺测资料恢复的研究

利用１９５１－１９９０年期间北京地面气温资料作未来气温预测可预报性及缺测气温资料恢复的研究，对单月序列使用自回归、选阶自回归、逐步回归和预测残差最小逐步回归及对多月序列使用后两种模型等６种方案进行试验。结果表明，多月序列使用残差最小逐步回归模型有最好的可预报性，且预报方程具有较高的稳定性。本文使用该方案还对１８４１－１９５０年期间的缺测气温资料进行恢复。     

综合旱涝季度预报方法及对1991~ 1995年夏季季度与超季度预测试验

本文简要地介绍我们在对旱涝规律与成因研究的基础上所提出的综合旱涝预报方法及其改进,方法是由一个ＩＡＰ二层大气环流数值模式加滤波方案、物理相关分析、环流型、时间序列与回归分析等的综合。经过多年的预报实践,证明它是提高旱涝季度与超季度预报准确率的一种可行方法。利用改进的综合旱涝季度预报方法对１９９１～１９９５年夏季汛期全国旱涝分布进行了预报试验,这５年预报试验结果与实况基本相符,并且对于像１９９１年和１９９４年夏季大范围的严重旱涝基本上没有漏报,表明此方法对于中国汛期旱涝分布有较高的预报能力,受到有关部门的重视     

时间序列预报方法的推广

文中讨论了车贝雪夫多项式值计算误差对作者以前提出的一种新的时间序列预报方法的预报结果的影响,并在此基础上对原来的计算方案作了推广,推广后的算法有利于提高预报准确率。     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

Logistic判别模型在强降水预报中的应用

利用Logistiv判别模型进行强降水预报,并设计3种方案进行对比分析。方案1直接使用14个影响因子进行判别预报,受因子共线性作用及噪音信号影响,虽然拟合效果较好,但预报效果明显下降。方案2对14个影响因子进行主成分分析,利用前6个主成分建模,虽然拟合效果较方案1降低,但由于消除了因子共线性作用以及噪音信号影响,预报效果较方案1提高。方案3运用Bootstrap抽样技术得到符干样本并建模计算模型参数,打乱了原有时间序列中的波动,仪保留平稳信息,拟合自由度进一步降低,导致拟合效果较方案案2下降,但预报效果却是3种方案中最好且最稳定的。在上述研究基础上,利用欧洲中心数值预报模式的预报场资料,建立基于Logistic判别模型的强降水客观预报系统,并在中央气象台业务运行。2013和2014年连续两年汛期预报检验结果表明,概模型对强降水预报的TS评分高于数值模式本身,具有一定的业务参考价值。     

有效位能和冷空气活动与台风暴雨增幅的研究

以昆明近百年月雨量时间序列为样本,进行了月雨量的可预报性试验,通过估算和１２年共１４４次的独立预报试验,我们得出：在适当的预报精度的要求下,月雨量的可预报时间尺度约为５个月,于适当嵌入的相空间维数ｍ和在一定的提前预报时间尺度Ｔ内,对月雨量的距平符号预报准确率可达６０％,对于雨季（５－１０月）则可达到６５％。     

一种联合历史和实时资料的定量降水短时预报技术研究

本文提出一种基于百分位映射,使用实时和历史资料联合订正模式定量降水短时订正预报技术,并与仅使用历史资料或实时资料的订正效果进行对比。结果表明:三种方案均能有效订正模式原始降水预报偏差,提高0~12 h降水预报准确率。对于晴雨预报,采用联合订正方案,预报效果最优。在0~7 h预报时效内,仅采用实时资料的订正方案准确率明显优于仅采用历史资料的订正方案,在8~12 h预报时效内,后者准确率稍高。所有预报时效内,仅采用实时资料的订正方案降水预报范围较仅采用历史资料的方案略偏大。对于较强降水预报,采用联合订正方案准确率为三种方案最优,仅采用实时资料的方案预报准确率虽优于仅采用历史资料的方案,但预报范围及量级较实况明显偏大。     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上，利用其残差数据序列对均生函数预报模型进行校正，提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合，并进行独立地样本预报试验。预报结果发现，均生函数残差预报模型对原有模型在预报精度上都有一定的改进，取得了较好的预报效果。同时，利用MannKendall法和Yamamoto法，可以明确突变开始的时间，指出突变区域，使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

提高方差分析预报效果的一些体会

方差分析是分析时间序列周期性变化的一种方法，在水文气象的中长期预报中一直为台站广泛应用。怎样提高方差分析的预报效果？我们在制作月平均气温和月降水量预报工作中有一些作会，提出来供大家参考。三样本时段的选取方差分析的结果和样本时段的选取有很大关系，同一个要素的时间序列取不同时段的样本作方差分析会出现不同的结果。例如我们运用历年《月乎均气温资料，对不同的样本作方差分析，作1996年4月平均气温的预报，结果见表1。表中定性拟合准确率是指预报误差在全0．st内的次数与预报次数之比。从表1可见，1、2、5三个样本预报结…     

长期降水量预报途径的探讨

本文对上海近30年（1951－1980年）降水时间序列的属性进行了分析，由此建立了旬降水量游程序列和距平势序列预报模型，并预报了未来降水量的大小，效果较好。     

相空间相似预报的一种新方法

本文针对相空间相似预报方法应用过程中存在需要同时确定时滞和维数的困难,引入历史预报准确率最高原则,提出了一种相空间相似预报的新方法。应用昆明站近百年（1901年～1992年）逐月雨量和气温时间序列对该方法进行了检验。计算结果表明此方法是可行的。     

基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验

为克服目前中尺度数值模式在对流尺度定量降水短时预报方面的不足,弥补基于“外推”的临近预报技术在2h以上定量降水预报能力方面的缺陷,研究设计了一种基于“外推”临近预报技术和中尺度数值模式的定量降水预报(QPF)融合技术方案,并进行了试验应用.该方案首先基于雷达探测和自动气象站观测的定量降水估计(QPE)结果,对中尺度数值模式输出的定量降水预报在谱空间进行相位校正,分析计算出数值预报和观测的偏差,导出一个附加的数值预报校正场;其次,根据数值预报校正场满足一定时间变化分布的特征,调整相应时段的数值预报降水区域和强度;最后,利用双曲正切线权重函数,对校正后的数值模式定量降水预报和基于临近预报技术的定量降水预报进行融合,融合权重根据典型环流特征动态变化.融合后的定量降水预报在前1-2h表现出主要依赖“外推”临近预报结果,之后随着融合权重的变化,数值预报对融合结果的贡献逐渐加大,直至融合后5-6h占主导地位.通过对京津冀地区2011年夏季5个及2012年夏季2个典型强降水个例的80次预报试验及其检验,表明融合后的0-6h定量降水预报结果改进较为明显,总体优于单独的临近预报技术或者中尺度数值预报模式的结果.     

均生函数残差预报模型在降水预报中的试验研究

在均生函预报模型的基础上,利用其残差数据序列对均生函数预报模型进行校正,提出了均生函数残差预报模型。运用两种模型对百色市6、7、8月月降雨量进行了历史样本拟合,并进行独立地样本预报试验。预报结果发现,均生函数残差预报模型对原有模型在预报精度上都有一定的改进,取得了较好的预报效果。同时,利用M ann-K enda ll法和Y am am oto法,可以明确突变开始的时间,指出突变区域,使待报时段与建模资料处在同一气候阶段则预报效果更为理想。     

风电场两种超短期风速预报方法的效果对比

针对风电场所需的时效在0~4 h,且时间分辨率不低于15 min的超短期风速预报。根据测风塔实时发回的实测风速序列,建立了基于BP神经网络的风电场风速时间序列外延预报模型。另一方面,建立 MM5模式预报风速与实测风速的误差序列,并利用BP神经网络作误差序列的外延预报,从而利用误差的预报值对MM5风速预报值进行订正,获得新的预报值。综合对两种方法的预报效果指标分析以及拟合曲线的比较结果表明:使用BP神经网络对MM5风速预报值进行修订的方法在总体上效果较优,特别是当影响风电场的天气系统变化明显,近地层风速变率较大时,该方法的预报效果更具有明显的优势。     

长期大气折射指数预报研究

本文对近地面大气折射指数气候变化统计预报进行了研究,建立了逐步回归多重分析时变模式。在模式中考虑了大气折射指数肘间序列的振动周期、前期预报因子(降水量),还特别考虑了时间序列的振动位相,并随着新数据的到来,适时地改变预报因子和预报方程的参数。本文用该模式对上海近地面6月上旬旬平均大气折射指数进行了长期预报试验,结果表明预报误差较小,预报效果稳定,具有较好的实用价值。这方面的工作可用来对无线电波的传播环境进行预测,从而对电子工程系统进行适时的调整控制。除此而外,该预报模式也可以应用于其它的预报领域。     

多变量状态空间预报法在旬雨量预报中的应用

结合单个时间序列构造状态空间进行预报和传统研究中多要素分析的思路，建立一种客观的综合多要素的状态空间预报法，应用于旬雨量预报。结果表明:考虑雨量和气温的多变量状态空间比仅考虑雨量序列具有更好的预报性能——437对值的预报相关提高5%，显示了多变量状态空间预报的可行性和潜力。     

基于SSA-AR方法的MJO指数预报模型试验

采用奇异谱分析(SSA)与自回归向量(AR)预报模型相结合的方法,对热带地区大气季节内振荡(MJO)指数向量作自适应滤波意义下的预报试验。结果表明,通过对MJO原始序列进行SSA的分解重建,无论采用对重建的分量序列进行AR(P)建模的方案,还是利用对重建合成序列进行AR(P)建模的方案,均可得到两周以上的MJO指数预报能力,其提前20天指数预报值与实况之间平均相关系数达到0.5,与直接对MJO原始序列进行AR建模相比较,该方法有较高的预报技巧和超前预报能力,预报效果也较稳定,故将SSA-AR方案进一步完善,可望作为MJO指数业务预报的有效模型。     

模块化模糊神经网络的数值预报产品释用预报研究

综合应用预报量自身时间序列的拓展,数值预报产品和模块化模糊神经网络方法,进行了一种新的数值预报产品释用预报研究。将这种新方法与常规的数值预报产品完全预报(PP)方法进行了对比试验。结果表明,这种模块化模糊神经网络数值预报产品释用预报方法比PP预报方法的预报精度显著提高。并且,通过对预报模型“过拟合”现象的研究发现,这种模块化模糊神经网络的数值预报产品释用预报模型具有很好的泛化性能。