支持向量机方法在单站降水预报中的应用探讨

将武汉天空云量预报的81个预报因子运用到该站中等以上强度的降水预报中,基于SVM方法进行了交叉验证和预报试验。结果表明用81个预报因子建立的5～9月和全样本的降水预报模型有较好稳定性、且对降水都有正的预报技巧。因此天空云量的预报因子可以用来做降水的预报因子,同时也证明了这些预报因子在天空云量和降水预报中是协调的。SVM方法为天空云量和降水的预报提供了客观参考依据。     

天空云量预报及支持向量机和神经网络方法比较研究

使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日～2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日～5月31日武汉市天空云量。交叉验证和实例预报的结果显示：虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。     

支持向量机分类方法在天空云量预报中的应用

以2001年5月1日至2004年12月31日逐日武汉市地面、高空观测资料及欧洲中心24小时预报场等资料为基础,构建了不同的训练样本集,基于支持向量机方法进行了大量多因子的随机交叉验证,从而筛选出了包含最佳预报因子的训练样本集和相应的核参数g,建立了武汉市天空云量的预报模型。交叉验证结果表明预报模型是稳定性的、且具有较好的预报能力和推广应用能力。预报试验和实时预报的结果都显示出SVM方法对天空云量有一定的预报能力。     

动态时变参数方法在云量精细化预报中的应用研究

利用2008年1月—2013年12月以及2017年1—11月全球天气预报系统（GFS）预报场资料,采用自适应线性最小二乘回归（LS）和自适应递推卡尔曼（Kalman）滤波两种动态时变参数方法,建立了河套周边地区0~168 h预报时效的总云量精细化预报,并与GFS模式直接输出的总云量、线性预报模型逐步回归预报方法得到的总云量以及非线性预报模型BP神经网络和最小二乘支持向量机回归方法（LSSVM）得到的总云量进行了对比,结果如下:（1）相比GFS模式直接输出的总云量,LS、BP神经网络、LSSVM得到的总云量与实况值的平均绝对误差均明显减小。LS方法误差最小,LS方法的年MAE均在20%~25%,且随着预报时效的延长,改进效果越大。LS方法、多元逐步回归方法、BP神经网络、LSSVM四种方法在6—8月的改进效果最大。（2）LS方法预报的总云量与实况云量的相关性最好,即使168 h预报时效的相关系数依然在0.64以上,远高于其他几种模型的预报结果。（3）LS方法能够明显地提高少云和多云天空状况下预报的击中率,且最优（少云击中率平均提高24 %,多云击中率平均提高34 %）。（4）自适应递推Kalman滤波方法存在预报滞后现象,改进效果不明显。      

最小二乘支持向量机在云量预报中的应用

基于2003-2006年逐年1、8月WRF区域数值预报产品和单站观测资料,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,分别按月通过不同长度样本序列建立了台北和厦门站总云量和低云量短期释用预报模型,利用2007年1、8月样本资料对模型进行了预报和检验,并与神经网络方法进行了对比.结果表明:最小二乘支持向量机回归方法的预报效果要好于神经网络方法;两站不同长度样本的总云量和低云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低.可见,最小二乘支持向量机回归在云量等气象要素释用预报方面,具有较好的应用前景.     

Temperature, Relative Humidity, and Cloud Fraction Predicted by the NCEP Global Forecast System at the ARM SGP Site during 2001-2008:Comparison with ARM Observations

利用美国大气辐射测量项目(ARM)制作的“气候模拟最佳估计”(CMBE)观测数据集,检验美国环境预报中心(NCEP)全球预报系统(GFS)2001～2008年在ARM Southern Great Plains(SGP)站点预报的大气温度、相对湿度和云量的垂直分布,主要结论如下:(1)NCEP GFS较好地预报出了温度和相对湿度的季节变化.就各个季节平均而言,NCEP GFS高估了1.5～12km的大气温度,同时低估了春冬季13～16km和秋冬季1.5km以下的大气温度,各高度上温度偏差绝对值小于1℃;NCEP GFS预报结果再现了观测到的相对湿度垂直分布的双峰结构,但是高估了4～12 km的相对湿度.模式分辨率提高(T170L42更新为T254L64)显著改进了14～18 km相对湿度的预报.(2)预报的云量在10 km以下小于观测值,在10～13 km则高于观测值,而且,NCEPGFS没有预报出非降水性低云的云量,其预报的降水云的云量在8km以下也低于观测值,反映出NCEP GFS模式中浅对流和深对流活动不够活跃.(3)NCEP GFS模式用预报的相对湿度和云水/云冰混合比(qc)诊断云量,采用同样的诊断公式由观测的相对湿度和NCEP GFS预报输出的qc计算云量,得到的云量在11 km以下所有高度上都更加显著地小于观测值,即比NCEP GFS对云量的低估更加严重,说明NCEP GFS可能低估了此高度区间的qc.(4)2001～2008年间NCEP GFS预报的温度、湿度和云量改进不显著,其预报云量和qc的误差很可能与模式中深对流和浅对流方案、层云微物理方案的不确定性有关.     

全天空图像分析西藏羊八井2009～2010年云量特征

运用西藏羊八井观测站2009～2010年近1年的高时空分辨率全天空图像资料分析了测站上空的日间云量特征。年平均总云量统计结果为5.2;冬夏季节云量分布差别明显,夏季平均云量大,冬季小;无云、少云天气多出现在冬季上午,而夏季午后满云情况较多;1～4月及11、12月(冬半年)云量日变化特征明显,上午逐步增加,至17:00(北京时间)左右到达高值,随后逐步下降,形成白天云量渐多夜间云量消散的"循环"过程。运用该地资料还分析了运用时间概率方法估算的点云量与实际云量的差异,小时平均结果显示无云及满云天气条件下二者云量一致性较高,而对中等云量天气二者相差较大。更长时间尺度(天平均)的统计对比表明,随着统计样本增加二者差距缩小。总体来看少云天气情况下点概率云量估算低于实际天空云量,当天空多云时点概率云量则大于实际天空云量。     

1961～2009年我国地面太阳辐射变化特征及云对其影响的研究

基于我国100个地面站点的地面太阳总辐射、日平均云量资料分析1961～2009年我国地面太阳辐射(Surface Solar Radiation,SSR)变化特征及云在不同时期对SSR的影响。结果显示:1961～2009年我国SSR经历了先下降后上升的变化过程,其中1961～1990年SSR显著下降("变暗"),下降速率为-4.3%/10 a(7.87 W m–2(10 a)–1),各地SSR变化趋势比较一致;1990年后SSR开始上升("变亮"),上升速率为2.8%/10 a(2.4 W m–2(10 a)–1),各地SSR变化趋势不如前一阶段一致,但没有显著的地域分布特征。晴空条件的设置对1961～1990年各站点SSR变化特征影响不大,仍为大范围下降("变暗"),但对1990～2009年的结果影响显著。相比全天空条件的结果,晴空条件下1990～2009年我国SSR变化有明显的南北特征,南方地区以"变亮"为主,而北方地区大多继续"变暗",但"变暗"速度减缓。1961～1990年我国总云量总体呈小幅下降趋势,下降速率很慢,这一时期总云量与全天空SSR没有很好的对应关系;1990～2009年我国总云量总体呈小幅上升趋势,有显著的南北分布差异,北方地区以上升趋势为主,南方地区以下降趋势为主,期间云量与全天空情况下SSR有很好的对应关系。这些结果表明,在"变暗"阶段,云对SSR的作用不显著,而在"变亮"阶段,云的作用变得较为突出。     

基于支持向量机的云量精细化预报研究

基于T639数值预报产品与地面气象观测资料,以环渤海地区兴城站为例,选取与云的形成密切相关的4类预报因子——水汽类、大气不稳定度类、大气上升运动类和天气系统强度类,以总云量、低云量为预报对象,运用支持向量机,选取最佳参数,建立兴城站云量的逐月、逐时次精细化预报模型。试预报结果表明:平均预报准确率总云量为71%,低云量为69%,预报准确率较逐步回归模型有所提高;在大部分月份、时次,试预报值的变化趋势与观测值一致,可以较好地反映实际阴晴变换和云量变化;基于支持向量机的回归模型对云量有较好的预报能力。     

基于支持向量机模式识别的大雾预报方法

选取1971～2000年11～12月大雾发生前近地面层的气象要素(气温、降水、能见度、风向风速、相对湿度、云量等9个预报因子),将支持向量机(SVM)方法应用于大雾预报.采用支持向量机方法,应用径向基函数,建立了陕西公路站点大雾24 h预报模型,并进行了大雾预报的模拟、训练,其寻优标准TS评分达到了理想的效果.     

云量的时间精细化预报研究-以榆中为例

利用2001年7月至2011年7月甘肃省榆中县地面测站的每日8次云量资料和同期NCEP每日4次等压面资料,由NCEP资料构造预报因子,以总云量和低云量为预报对象,分析预报因子和预报对象的相关性,采用逐步回归方法建立榆中县逐月8个时次的云量预报方程并进行回代;并利用2012年的资料检验预报方程的预报效果。结果表明：云量主要受整层湿度、垂直运动、不稳定能量、槽强度指数和700 hPa水汽通量散度影响,其中湿度状况和垂直运动是重要因素。建立的预报方程对总云量的预报效果比低云量好;总云量平均预报误差在2成左右,低云量平均预报误差在3成左右;预报值变化趋势可以部分地反映实际云量的变化趋势。     

紫外线辐射强度预报模型研究

以陈万隆的到达地面的紫外辐射的参数化方案、Frederick模式中的高度修正方程和NWS的云量修正方程为基础。建立了一个到达地面紫外总辐射的预测模型。进行紫外线辐射强度预报。结果表明：模型能很好地反映出晴天紫外线辐射强度的变化趋势及其规律。少云、多云和阴天由于天空状况复杂，预报误差相对较大。但基本上能反映出紫外线辐射强度的变化情况。模型考虑因子较全面，可以用于城市紫外线辐射强度预报。     

基于BP神经网络的单站总云量预报研究

云是能够对飞行活动产生影响、甚至危及飞行安全的气象要素之一。为了对北京单站总云量进行预报,利用人工神经网络的BP模型,针对不同时次进行关键因子的选取,尝试用多种预报因子的组合,建立了总云量预报模型。试验结果表明：所建立的模型具有较好的拟合、预报精度,并且没有出现＂过拟合＂现象,对新样本具有较好的泛化能力。     

基于BP神经网络的单站总云量预报研究

云是能够对飞行活动产生影响、甚至危及飞行安全的气象要素之一.为了对北京单站总云量进行预报,利用人工神经网络的BP模型,针对不同时次进行关键因子的选取,尝试用多种预报因子的组合,建立了总云量预报模型.试验结果表明:所建立的模型具有较好的拟合、预报精度,并且没有出现"过拟合"现象,对新样本具有较好的泛化能力.     

地基探测与NCEP GFS模式预报云量在ARM SGP站点对比

使用大气辐射测量实验(Atmospheric Radiation Measurements:ARM)在美国南部大平原站点(Southern Great Plains:SGP)长时间序列(2001 2010年)的地基主动遥感云(Active Remote Sensing of Clouds:ARSCL)和美国国家环境预报中心(National Centers for Environmental Prediction:NCEP)全球预报系统(Global Forecast System:GFS)模式预报资料,对比分析了两者云量在不同时间尺度内(年际、月份和季节)的差异。结果表明,GFS模式预报总云量为83.8%,略高于地基观测结果(78.1%);两者总云量差异在秋季最大(8.8%),春季最小(2.2%)。在低垂直高度分辨率(≥3 km)时,地基探测低云、中云和高云的云量分别为46.1%、43.5%和61.2%;模式预报三类云的云量均要高于地基探测的云量,差异分别为9.6%、17.2%和9.1%。但是,在高垂直分辨率(250 m)时,地基探测云量在大多数高度层上要高于模式预报结果。这应该是两种资料廓线中有云出现的高度层数目存在差异引起的。地基观测和GFS模式预报同时表明,SGP站点上空云量垂直廓线呈现双峰结构,在边界层附近(1 km)和上对流层区域(8-12 km)云量较大,2-3 km高度范围内云量较小。在春夏秋冬四个季节内,两种资料在低层边界层附近的最大云量偏差分别为9.5%、8.8%、7.8%和11.2%。     

河南地区降水量和云量与地面太阳短波辐射的关系

对河南省2009～2018年地面太阳短波辐射量与降水量和云量的关系进行了分析,结果表明,地面太阳短波辐射量与降水量、云量具有显著的负相关关系,但在不同季节其相关关系差异较大。为了定量表征三者之间的关系,基于多年再分析资料,利用降水量和云量与地面太阳短波辐射量的关系对日辐射量进行拟合,并对拟合后的日辐射量进行检验。验证结果显示,此考虑季节性变化的回归模型对河南省地面太阳短波辐射有较好的拟合能力,可以作为基于气象预报的日辐射量短期变化评估基础,为光伏发电量的短期预报提供参考。     

CMA-GFS云预报的偏差分布特征

利用2021年3月—2022年2月ERA5再分析数据云量、云水凝物对中国气象局研发的全球数值预报系统CMA-GFS同期云量产品和由云量、云水凝物产品计算的云发生、云水凝物积分的偏差特征进行诊断评估, 初步探讨了CMA-GFS云预报偏差存在的可能原因。结果显示:CMA-GFS云量、云水凝物的分布较为合理, CMA-GFS能够描绘全球云量、云水凝物的分布特征, 并能够反映季节特征;CMA-GFS预报高云和中云的云量偏差大于低云的云量偏差, 而高云和中云的云量均方根误差较低云偏小, 说明模式高云和中云的预报稳定性优于低云;与ERA5再分析数据相比, CMA-GFS液相水凝物积分以负偏差为主, 冰相水凝物积分以正偏差为主;云量、云水凝物的偏差在不同地区成因不同, 在热带地区的偏差与对流参数化和微物理方案不协调有关, 在南北半球中高纬度地区的偏差与相对湿度偏差相关。     

城市化对北京地区日照时数和云量变化趋势的影响

利用1961～2008年北京城区和郊区12个台站的气候观测资料,采用趋势分析和累积距平的方法,研究了北京城区和郊区近48年的日照时数、总云量及低云量的年际和四季变化趋势,并探讨了城市化进程对日照和云量变化的影响。结果表明：近48年来,城区的总云量和日照时数呈减少趋势,但低云量呈增加趋势;郊区的总云量和低云量呈增加趋势,而日照时数呈减少趋势;具体到年代变化,1980年代初以后,城区总云量呈减少趋势,且1990年代减少的趋势最为明显,2000年后,城区总云量变化发生逆转,呈显著增加趋势。对于低云量,1960年代到1980年代,城区郊区低云量呈波动减少趋势,而1990年代到2000年代后呈波动增加趋势。对于日照时数,1960年代到1980年代城区郊区日照时数均呈增加趋势,1990年代至2000年代则呈明显减少的趋势。低云量与日照时数表现出明显负相关特征,这与北京城市化发展对区域气候的影响有密切的关系。     

黄河上游玛曲地区近40a云量的变化特征

利用玛曲国家基本气象观测站1971—2010年的总云量、低云量等观测数据,用线性趋势分析、小波分析等方法对玛曲地区近40 a总云量、低云量的月、季、年际、年代际变化和周期性变化特征进行分析。研究表明,近40 a来,平均总云量距平在-0.1%～0.1%之间,保持了很好的稳定性,平均低云量以4.0%/10 a的速率递增;春、夏、秋季低云量呈现出不同程度的增多趋势,夏季增加趋势非常明显达7.3%/10 a。平均总云量周期变化不明显,平均低云量有明显的6～7 a的周期。玛曲地区在总云量保持稳定的情况下低云量不断增多,夏季低云量的增多趋势非常明显,且积雨云的增多是主要特征,是对玛曲草原气候变化的一种响应机制,反映出在气候变暖的大背景下,玛曲草原对流性天气活动频繁。     

从预报角度探讨乌鞘岭山区大气温差成因*

利用2009年7月—2015年12月河西走廊东部乌鞘岭和天祝逐时气温、日照、地面2 min风场及每隔6 h云量资料,详细分析乌鞘岭山区大气温差、云量特征的时间变化及其预报关系,旨在提高天祝最低气温的预报准确率。结果表明:冬季08时气温乌鞘岭高于天祝的频率超过50%,温差强度达4~6℃;春夏季5—9月气温乌鞘岭高于天祝的频率低于40%,温差强度较弱在2℃以下。云量中夜间至清晨(02—8时)少,傍晚较多;5—9月较多,冬季较少。天空状况除冬季晴天多,出现频率高于50%外,其它季节阴天较多,晴天次之,多云较少,不足20%。乌鞘岭谷风多,而天祝山风多。气温乌鞘岭高于天祝的频率和强度与云量、山谷风、太阳照射时间、季节和天气系统密切相关。晴天和阴雨天气报准,天祝最低气温预报准确率最多可能提高30%,晴天报准时预报准确率最多可提高10%以上。