基于PCA RBF的风电场短期风速订正方法研究

风电功率预测中最重要的因子是风速,准确的风速预测是风电功率预测的前提和基础。为了提高短期风速预测的准确性,本研究采用WRF模式,对我国上海崇明吕四风电场的风速进行预报。在此基础上,利用PCA-RBF算法结合WRF模式预报风向、气温、气压等气象要素对预报风速进一步订正。实验结果表明,利用PCA-RBF算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差降低20%~30%,相对平均绝对误差降低15%~20%。与其他智能算法(BP算法、LSSVM算法)对比分析后得出,PCA-RBF算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。     

利用深度学习预报美国东北部日降水分布

现阶段降水预报主要依靠数值天气预报模式。但受物理参数化、计算资源等因素的影响,基于数值模式的降水预报还存在非常大的不确定性。近年来,深度学习在天气预报领域显示出巨大优势和潜力。本文通过构建神经网络预报美国东北部日降水分布,探讨神经网络模型基于低分辨率气象场(ERA-Interim, 0.7°)预报高分辨率降水(CPC,0.25°)的能力,并比较3种主流网络框架(VGG,ResNet, GoogleNet)在该任务中的表现。结果表明,3种网络框架都对美国东北部日降水分布具有一定的预报能力(VGG框架表现最优),但三者的均方根误差(RMSE)均高于ERA-Interim 24-h(ERA24)的降水预报。3种神经网络的集合预报结果优于ERA24预报,且这三者与ERA24预报结果的集合平均能够显著提高ERA24对不同季节、不同强度降水的预报。     

基于ELM的风电场短期风速订正技术研究

风速预测是风电场风功率预测的基础,其准确度严重影响着风电场的运行效率。为了提高短期风速预测的准确性,本研究采用了WRF中尺度数值模式,对我国东部沿海某风电场的风速进行预报。在此基础上,利用极限学习机算法(ELM)对WRF模式预报的风速进一步订正。实验结果表明,WRF模式对风速、风向等气象要素有着较好的回报效果,利用ELM算法对WRF模式预报风速进行订正后,预报风速的误差进一步减小,相对均方根误差和相对平均绝对误差降低了20%～30%。与其他的智能算法(BP神经网络、SVM算法)对比分析后得出,ELM算法对WRF模式预报风速具有较好的订正效果,能够有效提高风速预报准确率。     

集合预报在渤海极大风预报中的应用

利用2015年2月至2018年2月地面气象常规观测中逐小时极大风及欧洲中期天气预报中心集合预报中6 h极大风预报数据,选取渤海海域代表站点,对集合预报极大风产品进行预报误差特征分析。分析表明:集合预报极大风产品的离散度明显偏小于均方根误差,各个预报成员的预报结果集中与否并不能反映出预报可信度。受模式预报能力所限,无法简单通过集合预报选取出最为可信的预报结果。集合平均、第75%分位值、最大值在极大风预报中各有优劣,因此基于以上三个统计量及不同量级风速发生的频率建立了渤海极大风预报客观订正方法,试验对比分析表明,该订正方法可以使极大风预报准确率有效的提高,为大风天气过程预报提供重要参考。     

A study of effectiveness of the ensemble long-term forecasts of spring floods issued with physically based models of the river runoff formation

In this paper, possible ways to increase effectiveness of the long-term ensemble spring floods forecasting and to assess their uncertainty based on the physical-mathematical model of the runoff formation (for the Vyatka River case study) are studied. It is shown that deterministic forecasts issued by using this approach are more accurate than those obtained from the traditional forecasting methods based on regression relationships. Probabilistic methods of forecasting of the spring flood volume and maximum discharge, which are issued by using various ways of the weather ensembles setting, are compared. Reliability of probabilistic forecasts of the volume and maximum discharge is estimated.     

Application of evidence theory to quantify uncertainty in hurricane/typhoon track forecasts

Summary In the paper, a new technique to quantify the accuracy of models for weather prediction in forecasting tracks of tropical cyclones using the available best track database is presented. Also a new approach to quantify and improve the accuracy of tropical cyclone track forecasts where no best track positions are available is suggested. Both techniques rely on the mathematical tools of evidence theory, which are customized here for application to total uncertainty in track forecasts.     

基于Elman动态神经网络的降雨—径流模拟研究

采用Elman动态神经网络对沂沭河流域上游临沂子流域日径流量进行模拟。为了更好地检验该网络估测径流的精度,同时采用陆面水文过程模型TOPX进行对比分析。确定性线系数、相关系数、平均相对误差和平均相对均方根误差四个统计指数及流域径流过程。结果表明,Elman动态神经网络能够对日径流量进行较好的模拟,较好地捕捉洪峰流量和出现时间,为降雨径流模拟提供了一种有效可靠的方法。     

不同方法在湖南省早稻产量动态预报中的比较

为了提高产量趋势预报的准确性和定量预报的准确率,利用1962—2002年气象、早稻产量和田间观测资料,建立基于气候适宜度、关键气象因子、作物生长模型的湖南省早稻产量动态预报方法,进行回代检验;并利用2003—2012年资料进行预报检验。分析表明:3种方法的预报准确率比较接近,平均在93.8%以上;基于气候适宜度预报方法的趋势预报准确性最高,较基于关键气象因子的预报方法高4%~6%;基于作物生长模型预报方法的误差5%以内样本百分率最高,较基于气候适宜度的预报方法高2%~20%。研究结果为湖南省早稻产量动态预报筛选出了较优的方法,即产量趋势预报选用基于气候适宜度的方法,定量预报选用基于作物生长模型的方法,同时可供我国其他早稻区的产量动态预报方法研究借鉴。     

观测误差对GRAPES区域集合预报影响的敏感性试验

通过设计3组不同的观测误差均方差,对2012年8月1日—29日进行了基于GRAPES-M EPS(Global/Regional Assimilation and Prediction System-Mesoscale Ensemble Prediction System)的集合预报敏感性试验,研究观测误差均方差对集合预报初始扰动场结构、扰动量及垂直扰动总能量发展的影响,评估集合预报结果的差异,并分析了一次典型的江淮流域强降水个例。结果显示,模式变量扰动结构和扰动振幅对观测误差均方差较敏感,较小的观测误差均方差使得温度和风等模式变量的初始扰动量增大,扰动总能量增长更快,降水集合预报效果更优。因此在GRAPES-MEPS中,可以考虑对观测误差均方差进行适当的扰动,以体现观测误差均方差的不确定性对集合预报的影响,提高GRAPES-MEPS的集合预报技巧。     

基于Elman动态神经网络的降雨一径流模拟研究

采用Elman动态神经网络对沂沭河流域上游临沂子流域口径流量进行模拟。为了更好地检验该网络估测径流的精度,同时采用陆面水文过程模型TOPX进行对比分析。确定性线系数、相关系数、平均相对误差和平均相对均方根误差四个统计指数及流域径流过程。结果表明,Elman动态神经网络能够对日径流量进行较好的模拟,较好地捕捉洪峰流量和出现时间,为降雨径流模拟提供了一种有效可靠的方法。     

Using the inverse of expected error variance to determine weights of individual ensemble members: Application to temperature prediction

The inverse of expected error variance is utilized to determine weights of individual ensemble members based on the THORPEX (The Observing System Research and Predictability Experiment) Interactive Grand Global Ensemble (TIGGE) forecast datasets. The weights of all ensemble members are thus calculated for summer 2012, with the NCEP final operational global analysis (FNL) data as the truth. Based on the weights of all ensemble members, the variable weighted ensemble mean (VWEM) of temperature of summer 2013 is derived and compared with that from the simple equally weighted ensemble mean. The results show that VWEM has lower root-mean-square error (RMSE) as well as absolute error, and has improved the temperature prediction accuracy. The improvements are quite notable over the Tibetan Plateau and its surrounding areas; specifically, a relative improvement rate of RMSE of more than 24% in 2-m temperature is demonstrated. Moreover, the improvement rates vary slightly with the prediction lead-time (24–96 h). It is suggested that the VWEM approach be employed in operational ensemble prediction to provide guidance for weather forecasting and climate prediction.     

北京地区一次空气重污染过程的气象条件模拟参数化敏感性试验

气象预报是影响大气重污染预报精度的关键所在。针对2016年12月16～21日北京市一次重污染过程,开展了中尺度气象模式WRF的参数化方案配置敏感性试验。对微物理过程、长波辐射过程、短波辐射过程、陆面过程、边界层过程、近地面过程以及积云对流参数化过程进行组合优选,共设计51组参数化方案组合,分析不同模拟方案下北京市8个气象站点温度、相对湿度、10 m风速的模拟精度及其敏感性。试验结果表明:温度模拟对长波过程参数化方案最为敏感,集合离散度达2.4～7.4°C,再次是短波过程参数化方案;相对湿度模拟也对长波过程参数化方案最敏感,再次是陆面过程;风速模拟对不同过程参数化方案的敏感性程度差异不大。通过模拟结果与观测的统计对比,优选出模拟误差最小的方案组合为Lin微物理方案、RRTMG长波方案、RRTMG短波方案、Tiedtke积云对流方案、Noah陆面方案、MYNN 3rd边界层方案和MYNN近地面方案,并将其与集合平均、基准方案进行对比。对于集合平均来说,其温度模拟与观测相关系数为0.69,高于基准方案,其模拟偏差与均方根误差比基准方案低25%和11%;集合平均的相对湿度和风速模拟相比基准方案变化较小。与集合平均相比,优选方案能同时改进温度、相对湿度和风速模拟,使温度模拟偏差和均方根误差比基准方案下降35%和17%,使相对湿度模拟偏差和均方根误差下降43%和13%,使风速模拟偏差和均方根误差下降33%和24%。以上结果表明,参数化方案的敏感性试验和优选能显著减小重污染期间气象要素的模拟误差,重污染预报改进需重点关注参数化方案模拟上的不确定性。本研究也发现MYNN3rd边界层方案在这次重污染过程的气象要素模拟上具有良好性能,可为未来重污染预报改进提供参考。     

BP神经网络在油菜花期预报中的应用

建立花期预报模型,发布观赏性植物的精准花期预报,为旅游活动提供重要参考依据,已经成为气象服务领域一个新的发展方向。为了解高淳旅游区油菜花期的变化规律,探索其预报方法,指导高淳油菜花节旅游活动,根据1985—2010年高淳站日最高气温、日最低气温、日平均气温、日降水量、日日照时数、日平均5 cm地温、日平均相对湿度和日小型蒸发量等气象观测数据,利用主成分分析法,得到其与油菜花期相关系数较大的3个主成分,即温度因子、天气因子和辐射因子,以此为输入因子,建立基于BP神经网络的油菜花期预报模型,探讨BP神经网络在花期预报领域的应用。结果表明,传统的有效积温方法预报结果与实际开花期平均相差4.25天,BP神经网络方法预报结果与实际开花期平均相差1.5天,与有效积温预报油菜花期的方法相比,BP神经网络技术具有预测结果准确率高和操作简单等特点,在花期预报领域具有广阔的应用前景。     

基于模糊时间序列的华南台风登陆时最大风速极值预测模型

利用1995—2017年登陆华南地区的台风登陆时最大风速极值数据,构建基于模糊时间序列的台风登陆时最大风速极值预测模型,并将该模型与传统时间序列ARIMA模型作对比。其预测结果表明,模糊时间序列的平均绝对误差、平均相对误差和均方根误差分别为2.621 m·s-1、0.066和2.727 m·s-1,预测的精确度明显高于传统时间序列ARIMA模型,同时也表明将模糊时间序列应用于登陆时最大风速极值的预测能够获得较理想的预测结果。     

长江上游夏季径流量年际增量预测模型及检验

基于1980-2020年长江上游夏季径流量、降水和气温等资料,采用小波分析、最优子集回归等方法,分析径流量、降水量和气温的变化关系,探讨引发径流量变化的前兆气候异常信号,并构建径流量年际增量预测模型.结果 表明:径流量多寡直接取决于流域总降水量,两者表现出显著的准两年周期振荡特征,年际增量之间的相关系数(TCC)为0....     

基于全连接神经网络方法的日最高气温预报

为了考察辅助变量、时间滞后变量设置的重要性和神经网络中嵌入层对分类变量处理的有效性,利用2015年1月15日—2020年12月31日欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）高分辨率模式（high resolution,HRES）输出产品及中国2238个国家级地面气象站基本气象要素数据集,在全连接神经网络基础上设计4个试验,构建24 h最高气温预报神经网络模型。结果表明:加入辅助变量、时间滞后变量的特征和带有嵌入层的全连接神经网络结构的深度学习神经网络模型对HRES日最高气温预报误差均有订正效果,均方根误差降低29.72%~47.82%,温度预报准确率提高16.67%~38.89%。加入经过嵌入层处理的辅助变量后,可显著提高青藏高原中南部和西南地区东部的平均绝对偏差不超过2℃的正技巧站点比例（比仅用HRES预报因子建模分别提高21.74%和14.17%）,在此基础上加入时间滞后变量显著提高上述两个地区的平均绝对偏差不超过2℃的正技巧站点比例（比仅用HRES预报因子建模分别提高40.98%和20.33%）,且预报性能更加稳定。     

WRF模式2m温度在山东预报效果的评估

利用山东省内123个国家气象站2017年11月至2018年2月逐时观测地面温度对WRF模式08：00和20：00起报的2 m温度进行检验,评估了预报时效为72 h的逐时温度与日最低（高）温度的预报效果并初步分析了个别站点大值误差成因。结果表明：WRF模式08：00起报2 m温度的准确率要高于20：00起报,白天预报的效果优于夜晚;鲁西北和半岛地区的2 m预报温度的平均绝对误差总体低于鲁中和鲁南地区,全省大部分站点负误差比例高于正误差比例;WRF模式对于日最高温度的预报效果优于日最低温度;模式地形高度误差造成泰山站2 m预报温度正误差较大,基于两种温度梯度方案对泰山站2 m温度进行订正,订正后的平均绝对误差总体下降,利用单一的温度梯度在有的预报时刻出现负的订正效果,利用随预报时刻变化而变化的温度梯度在各预报时刻订正效果更为稳定;泰安站出现焚风时2 m预报温度有较大负误差,这主要是受WRF模式泰山站地形高度误差影响;WRF模式在微山湖区域土地类型与真实土地类型存在差异是薛城站夜间2 m温度负误差较大的重要因素之一。     

改进的最优窗宽理论对年径流量的插值预测研究——以黄河利津等站为例

针对小样本数据造成年径流量预测效果不理想的情况,以及非对称和非正态资料的处理问题,引入信息扩散和模糊映射思想,同时运用遗传算法改进最优窗宽理论,建立了新的扩散插值模型。该模型通过对零散数据点的信息进行模糊扩散,进而实现对有限数据点信息向其邻近区域点的概率插值。选取黄河利津站为例,根据其近70 a(1942—2011年)径流量实测数据,进行了缺损数据的插值和预测试验,同时与正态扩散插值模型进行对比分析,结果表明:1)预测值能较好地模拟实际径流序列的波形变化,对丰水年(如2007年)和枯水年(如2009年)的预报都比较准确;2)中长期预报(10a)平均相对误差仅为11.59%,相较传统方法有较大的改进;3)以黄河流域2个站点(花园口和兰州)和长江流域的3个站点(朱沱、宜昌和大通)年径流量预测试验以及海温资料的插值试验作为补充,验证了该算法的有效性和普适性。该模型可为实际水文数据资料的客观分析和中长期预报提供参考。     

Extended Range(10–30 Days) Heavy Rain Forecasting Study Based on a Nonlinear Cross-Prediction Error Model

Extended range(10–30 d) heavy rain forecasting is difficult but performs an important function in disaster prevention and mitigation. In this paper,a nonlinear cross prediction error(NCPE) algorithm that combines nonlinear dynamics and statistical methods is proposed. The method is based on phase space reconstruction of chaotic single-variable time series of precipitable water and is tested in 100 global cases of heavy rain. First,nonlinear relative dynamic error for local attractor pairs is calculated at different stages of the heavy rain process,after which the local change characteristics of the attractors are analyzed. Second,the eigen-peak is defined as a prediction indicator based on an error threshold of about 1.5,and is then used to analyze the forecasting validity period. The results reveal that the prediction indicator features regarded as eigenpeaks for heavy rain extreme weather are all reflected consistently,without failure,based on the NCPE model; the prediction validity periods for 1–2 d,3–9 d and 10–30 d are 4,22 and 74 cases,respectively,without false alarm or omission. The NCPE model developed allows accurate forecasting of heavy rain over an extended range of 10–30 d and has the potential to be used to explore the mechanisms involved in the development of heavy rain according to a segmentation scale. This novel method provides new insights into extended range forecasting and atmospheric predictability,and also allows the creation of multi-variable chaotic extreme weather prediction models based on high spatiotemporal resolution data.     

台风集合预报研究进展

台风数值预报是防台减灾的关键,而集合预报是体现和减少数值预报不确定性的常用方法。本文对近年来台风集合预报方法的研究进展进行了梳理和总结,涉及初值集合扰动、模式扰动技术以及基于统计的台风集合预报后处理技术。对全球几个主要集合预报系统的发展及我国的区域台风集合预报系统做了回顾。最后,在回顾的基础上,讨论和提出了关于台风集合预报仍存在的问题及未来可能的研究方向。