偏最小二乘回归在水汽和地面气温多模式集成预报中的应用研究

使用一种新的多模式集成方法偏最小二乘回归(PLS),利用其能完全消除多重共线性的特征来改善比湿和地面气温多模式集成预报的效果。基于TIGGE资料集下的欧洲中期天气预报中心(ECMWF)、中国气象局(CMA)、日本气象厅(JMA)和英国气象局(UKMO)4个中心集合预报结果,建立2012年多模式(25°~60°N,60°~150°E)区域24~168 h预报时效(间隔24 h)比湿和地面气温的多模式集成模型,分别使用消除偏差集合平均(BREM)、简单集合平均(EMN)、超级集合预报(SUP)以及偏最小二乘回归(PLS)4种方法对地面气温和水汽多模式集成,利用均方根误差(RMSE)和距平相关系数(cor)来判定多模式集成的效果并且针对性地预报了一次短期寒潮过程。2次预报结果均表明:偏最小二乘回归(PLS)方法的多模式集成效果最好,不但优于4种单一模式而且表现出比其他3种方法更好的预报性能,具有一定的价值以及应用前景。