四维同化的一些方法

所谓四维同化问题,就是利用一切有效信息,去估计出数值预报所需要的某时刻的大气状态值。本文介绍确定大气初始时刻状态值的一些方法。     

四维同化新技术

文章阐述了一种连续的四维资料同化技术，即使用伴随模式的变分分析。     

基于进化方向遗传算法的四维变分资料同化方法

数值天气预报模式初始时刻要素场的变分同化问题是一个非线性最优化问题。利用进化方向遗传算法（EDGA）求解该最优化问题，并对理想初始场作数值模拟，结果表明模拟的效果较好。     

有限区域变分四维同化系统的设计和试验

使用共轭码技术，构造了中尺度模式的伴随模式，研究了模式侧边界条件。基于伴随模式技术的原理，设计了伴随同化和Derber同化方法两套方案；下降算法采用共轭梯度法，使用准真实资料，进行子同化数值试验和预报试验。结果表明，两套同化方案都取得了一定的同化效果，Derber同化方法比伴随同化更令人满意。证明了变分同化是提高预报准确率的一种非常有效的手段。     

基于遗传算法的四维变分资料同化技术的研究

将遗传算法应用于四维变分资料同化问题,提供一种新的较为有效的数值预报初始场优化方法,给出了相应的理论依据和详细算法,并结合变分问题本身的特点,设计合理的遗传编码、遗传操作和遗传参数.同时,以二维的浅水方程模式为例建立基于遗传算法的变分同化模型,并从多方面与伴随模式变分同化方案进行分析比较.数值试验结果表明,基于遗传算法的变分同化方案取得了比较满意的同化效果.     

四维变分同化方法在暴雨预报中的应用

本文利用PSU/NCAR的MM5数值预报模式及其伴随模式,以我国1999年6月23日~6月24日的一次梅雨锋暴雨过程为个例,作了两组试验:控制试验和同化试验,并对两组试验的降水预报效果以及初始场进行对比分析,结果表明:四维变分资料同化方法可以将各种不同类型、不同时次的观测资料同化到模式中,将这些资料中有用的中尺度信息引入到模式初始场,有效改善初始场,从而提高暴雨预报水平。     

对降水资料的四维变分同化

用常规资料（Ｔ、ｐ、ｕ、ｖ、ｑ的分析值）和降水资料（２４ｈ降水量的分析值）进行四维变分（４ＤＶＡＲ）资料同化试验。试验中用了全物理过程的ＮＭＣη模式和带有充过程的伴模式。４ＤＶＡＲ试验的结果 资料同化期间和同化以后，用了积云对流修改方案和降水资料后，最小化过程迭代十次便收敛，降水预报了，特别是４ＤＶＡＲ方法比最优内插方法在改善降水预报方面更优越。     

对中尺度遥感资料进行四维同化的共轭方法及其数值研究

本文探讨了数值天气预报过程中对非定时观测的常规遥感气象资料进行四维同化，形成预报初始场的新途径，把数值预报初始场的形成提为数学上的一类反问题，运用数值模式及其共轭方程对象气资料进行变分同化的共轭方法，使众多观测资料的四维同化与时变的动力模型在初始场的形成过程中统一考察，克服了以往一些方法的局限性，从理论和数值角度证明该方法的可行性，表明该方法有可能作为发展一个新的初值方案的雏形，有潜在的应用价值。     

一种四维同化方法的试验研究

文章利用一个有限区模式对一种资料四维同化过程作了试验研究,以考察四维资料同化对模式的预报过程的作用。试验结果表明：四维资料同化可以为模式提供一组四维动力协调的积分初值。对由于资料或模式原因造成的积分开始时的高频振荡有很好的抑制作用,使模式的积分稳定性增强。     

区域资料四维同化试验

根据国家气象中心有限区分析预报系统的基本方案，设计一个以6小时为周期的间歇区域资料四维同化方案，对我国的两次暴雨过程进行两种不同粗细水平分辨率的资料四维同化和短期模式预报的试验。结果表明，由同化方案初值获得的短期预报明显好于LAFS方案的预报结果，高分辨率同化方案对预报的改进更明显。     

中尺度模式遗传算法同化系统及同化试验研究

设计了一个以MM5模式为基础的遗传算法同化系统,并对一次暴雨过程进行了实际降水的模拟,通过对比遗传同化和伴随同化的降水预报效果,对遗传算法同化系统的同化性能进行验证。试验结果表明,遗传算法与四维变分相结合的同化系统能有效地改善模式的初始场,使MM5模式要素预报和降水预报的准确率得到提高。     

气象资料同化的研究进展

回顾了国内外有关气象资料同化的研究进展，介绍了当前资料同化主要方法的理论基础、优缺点及应用研究。重点介绍了伴随方法和遗传算法在四维变分同化中的具体应用。其中，遗传算法的引入为资料同化的研究提出了新的思路。     

基于卫星资料梯度信息的新型变分同化方法对于台风数值模拟的研究

卫星资料凭着卫星遥感的全球性、连续性和高频次观测等优势,成为一种重要的非常规资料源,但卫星观测仍然存在各种各样的观测误差,其中包含由于观测偶然性所造成的统计学上的随机误差及仪器本身和辐射传输模式等造成的系统性偏差,这些误差在很大程度上影响了卫星资料的质量。文中提出了一种能有效订正卫星观测资料系统性偏差的梯度信息同化算法,该方法用一个梯度算子进行模式变量与观测变量的梯度变换,从而达到订正系统性偏差的目的。本文利用WRF（Weather Research Forecast）模式及其同化模式WRFDA（WRF Data Assimilation system）,以及AIRS（Atmospheric Infrared Sounder）资料,对台风“圆规”进行了实际的数值模拟和同化试验,数值结果表明,梯度信息同化方法能明显改善台风路径的模拟,在处理可信度较低的资料时仍然适用。另外,通过同化诊断分析,发现卫星资料的系统性偏差对于台风数值模拟有较大影响,而文中提出的梯度信息同化方法能较好的解决此类问题。     

用遗传算法重构副热带高压特征指数的非线性动力模型

用遗传算法从离散时间序列资料中反演重构了非线性动力模型。首先, 用Lorenz系统的时间积分数据进行模型重构试验,随后,对十年平均的副热带高压形态指数时间序列进行动力模型参数反演和仿真预报试验。结果表明,遗传算法具有的全局搜索和并行计算优势能够较为准确地描述和刻画副热带高压活动,能对副高活动进行较为准确的描述与建模,是诊断和预测副热带高压等复杂天气系统活动的一条有效途径。     

暴雨强度公式参数的遗传优化

遗传算法是模型参数优化估计的一种通用方法。提出将遗传算法应用于不同重现期的暴雨强度与降雨历时关系式中参数的优化,并进行了实例分析计算。结果表明：遗传算法用于暴雨强度公式参数优化的原理直观、方法简便,具有通用性。     

贝叶斯膨胀算法对EnSRF雷达资料同化的影响研究

本文针对2009年6月5日发生在我国华东地区的一次中尺度对流过程（Mesoscale Convective System,简称MCS）,基于集合均方根滤波（Ensemble Square Root Filter,简称EnSRF）方法同化多部多普勒天气雷达资料,引入具有时空自适应理论优势的贝叶斯膨胀算法,通过与常数膨胀算法的对比,分析了两种膨胀算法对EnSRF同化效果的影响。结果表明:贝叶斯膨胀算法同化的雷达组合反射率因子在强对流中心处有所增强,改善了基于常数膨胀算法的EnSRF同化强对流系统偏弱的问题。相比常数膨胀算法,贝叶斯膨胀算法同化的冷池结构更合理,径向风和反射率因子的均方根误差均减少。进一步探讨贝叶斯膨胀算法对同化效果改善的原因,结果发现:贝叶斯膨胀参数的分布与反射率因子的均方根误差分布十分吻合,这表明贝叶斯膨胀算法可以在背景场均方根误差较大,即背景场与观测差距较大时,给出较大的膨胀参数,进而增加集合的背景场误差,使得观测权重增大,从而给出了较大的分析增量。对集合平均分析场进行了1小时的确定性预报发现,贝叶斯膨胀算法提高了预报模式对安徽与江苏交界处的强对流系统的模拟效果,回波强度更强,冷池强度和范围更大,且对于不同组合反射率因子的阀值,贝叶斯膨胀算法的评分（Equitable Threat Score,简称ETS）均高于常数膨胀算法。这表明贝叶斯膨胀算法有效地改进了基于常数膨胀算法的EnSRF同化雷达资料的效果。     

基于遗传算法的最优证券投资组合模型

为了研究能使风险损失率最小、收益最大的最优证券投资组合问题，首先提出了多目标规划模型，并采用模糊优选法将多目标模型单目标化。随后尝试采用遗传算法来对其求解，给出了模型的遗传算法编码规则和算法步骤。最后通过实例论证了模型的合理性及遗传算法的有效性。