基于ECMWF细网格产品的吉林省东南部冬季气温BP-MOS预报方法

基于ECMWF细网格模式输出产品和BP神经网络预报方法建立一种优化的BP模型,对吉林省东南部山区(白山地区、通化地区)未来24h的日最高和最低气温进行预测,并对比该方法、ECMWF细网格的2m温度输出产品以及线性MOS方法的预报效果.结果表明:在建立预报方法时,考虑预报因子对气温影响的累积过程,并对其进行优化处理,有利于提高预报水平;通过比较各预报方法的预报准确率(TT)、系统偏差(MBE)、平均绝对误差(MAE),最终得出对预报因子进行优化处理的BP神经网络法预报效果最好.     

交叉熵神经网络及其在闽北大雨以上降水预报中的应用

基于误差平方和最小化准则的BP神经网络(ANN-MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN-CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003-2008年的ECMWF预报场资料,把该法用于福建省南平市4-6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN-CE预报模型和ANN-MSE预报模型,用这些模型对2009-2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN-CE预报模型的TS评分和漏报率分别是0.51和0.17,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法.     

基于EC细网格产品在乌鲁木齐机场低能见度预测中的释用

利用2015—2018年乌鲁木齐机场航空例行天气报告(METAR报)、ECMWF(European Centre for Medium-Range Weather Forecasting)细网格数值预报产品对影响能见度的主要因子进行分析,提取与低能见度相关性高的物理量作为预报因子,采用SVM方法,分别基于Poly、RBF核函数建立乌鲁木齐机场未来21 h能见度预报模型。结果表明:(1)基于预报因子区间分类的SVM模型物理意义明确,试验结果较好;以RBF为函数建立的SVM模型(SVM-RBF)预报能力更好,其训练样本预测的TS评分0.84,准确率89.20%。(2)SVM-RBF模型的检验样本中,预报准确样本的预报误差整体偏小;在漏报样本中则有能见度越低、预报误差越大的特点,模型的振荡性明显。(3)结合NCEP/NCAR再分析资料研究SVM-RBF模型对天气过程的预报表现,发现模型对于特定天气形势下引发的低能见度天气,预报误差较小且预报提前量较大。     

ECMWF集合预报产品在广西暴雨预报中的释用

基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。     

KNN方法在11-3月中国近海测站最大风速预报中的应用

应用自组织神经网络方法对欧洲中心(ECMWF)2003年1月1日至2006年12月31日逐日数值预报产品分析场进行天气形势分型,发现11-3月影响我国的天气形势基本属于同一类型.对2004-2007年11-3月ECMWF逐日数值预报产品进行动力诊断,提取与中国近海16个测站日最大风速相关较好的预报因子,将改进后的KNN方法作为预报手段,建立11-3月近海测站日最大风速预报模型,并对2007年1-3月16个测站进行逐日检验,结果表明该方法对近海测站日最大风速有较好的预报能力.     

滁河流域汛期多模式集成面雨量预报检验评估

对2013—2016年汛期ECMWF、JMA及中尺度WRF模式的预报结果进行检验,基于合理的时间尺度,制作了动态权重集成面雨量预报(DWI)、分步集成面雨量预报(SI)和等权重集成面雨量预报(EWI)产品,并对2017—2020年汛期降水期间多种集成面雨量预报产品和ECMWF、JMA、WRF的单个模式面雨量预报产品进行对比评估.结果表明:3种集成面雨量预报效果整体上优于单一数值预报模式,尤其是预报致灾严重的暴雨等级降水优势明显;DWI和WRF对强降水的面雨量预报正确率最高,其他2种集成面雨量预报结果次之,ECMWF及JMA较差;模式集成预报弱降水过程的优势不明显.     

基于TIGGE多模式集合的24小时气温BMA 概率预报

利用TIGGE(THORPEX Interactive Grand Global Ensemble)单中心集合预报系统(ECMWF、United Kingdom Meteorological Office、China Meteorological Administration和NCEP)以及由此所构成的多中心模式超级集合预报系统24小时地面日均气温预报,结合淮河流域地面观测率定贝叶斯模型平均(Bayesian model averaging,BMA)参数,从而建立地面日均气温BMA概率预报模型.由此针对淮河流域进行地面日均气温BMA概率预报及其检验与评估,结果表明BMA模型比原始集合预报效果好;单中心的BMA概率预报都有较好的预报效果,其中ECMWF最好.多中心模式超级集合比单中心BMA概率预报效果更好,采用可替换原则比普通的多中心模式超级集合BMA模型计算量小,且在上述BMA集合预报系统中效果最好.它与原始集合预报相比其平均绝对误差减少近7%,其连续等级概率评分提高近10%.基于采用可替换原则的多中心模式超级集合BMA概率预报,针对研究区域提出了极端高温预警方案,这对防范高温天气有着重要意义.     

基于多种算法优化SVM模型的 乌东德水电站降水量预报

基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定。经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1. 4%。     

利用卡尔曼滤波方法释用数值预报产品

本文对卡尔曼滤波方法的基本原理作了简要的概述.并在ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场上选取因子,利用卡尔曼滤波方法对温度和降水进行了预报及对相关结果进行了检验,结果表明利用卡尔曼滤波方法释用数值预报产品对于德阳各站的温度预报具有良好的预报能力.     

ECMWF模式对2020年冬季广东气温预报的时空检验

利用2020年广东省冬季气温观测资料、业务常用评分方法对ECMWF模式24～48 h预报时效内的最高、最低气温预报进行检验评估.结果表明:(1)ECMWF模式较好预报了气温的时间变化趋势,日最高、最低气温预报平均绝对误差分别为1.95和1.42℃;(2)ECWMF模式最高气温预报普遍偏低,最低气温预报误差普遍在2℃以内...     

概率匹配订正法在湖北襄阳地区降水预报中的应用

数值预报产品在天气预报预警中有着重要的作用。2016—2020年汛期ECMWF模式预报降水与湖北襄阳区域站观测降水的对比分析表明：ECMWF对中雨及以上降雨的预报，第1、2天预报偏小，而第3天预报偏大；三个预报时段强降雨中心位置偏差无规律。为了更好地对ECMWF产品进行释用，提高汛期降水预报准确率，从概率匹配角度研究了不同降水量级订正值，并对2021年汛期ECMWF降水预报进行逐日检验。结果显示：概率匹配订正法可有效地改善模式预报性能，对中雨及以上降雨预报均有良好的订正效果，尤其对第1天暴雨预报改进最为明显。228站平均的TS评分提高了6个百分点，由11.1%增加到17.1%，漏报情况改良了13.5个百分点，由85.0%降为71.5%。采用该订正法开展定量降水预报，由于增加了当地降雨概率分布的背景信息，能表现出比原模式更高的参考价值。     

基于SCTP-RF算法的甘肃省短期定量降水客观预报方法研究

基于欧洲中期天气预报中心(ECMWF)的精细化数值预报产品、中国气象局下发的降水指导产品(TP;MA)及甘肃省340个气象站点降水实况数据,利用泰森多边形与K-means空间聚类方法(spatial cluster and Tyson polygon, SCTP),对2017—2019年4—9月甘肃省340站降水资料进行客观分区。在此基础上,采用随机森林算法(random forest, RF),筛选出与降水相关的物理量因子构建模型,开展甘肃省短期定量降水客观预报订正试验,并进行预报效果检验。结果表明:(1)甘肃省4—9月降水客观分区依次为7、6、14、13、14和11个。(2)就晴雨预报而言,SCTP-RF订正产品对甘肃省汛期的晴雨预报能力较TP;MA指导产品和ECMWF模式产品有一定提升,提升幅度分别为6.1%、4.2%;在空间上,SCTP-RF算法对甘肃省340站的晴雨预报均具有一定的订正能力,大部分站点晴雨预报准确率提升了5%,特别是河东地区。(3)在分级降水预报中,SCTP-RF订正产品对中雨和大雨的预报能力均优于TP;MA指导产品和ECMWF模式产品,且全省大部的订正效果较好,特别是河东中部及陇东南地区,但在强降水过程中对小雨和暴雨的预报订正不稳定,尤其是陇东南地区的小雨。     

阜新地区东北冷涡多模式降水预报检验

为了评估欧洲数值中心全球模式（ECMWF）、中国全球模式（GRAPES）和美国全球模式（NCEP_GFS）对东北冷涡降水的24 h预报性能,提高数值模式在阜新的预报能力,为模式物理参数方案的选择和调整提供客观依据,利用2019年5—8月降水产品对阜新市两个国家级观测站阜蒙县站和彰武县站进行晴雨、一般性降水和分量级降水检验,以及平均绝对误差和平均误差检验。结果表明：ECMWF模式降水预报要好于其他两种模式,冷涡发展期和成熟期ECMWF产品TS评分较高,衰减期则较低。从平均绝对误差来看,阜蒙县站5—8月ECMWF误差最小,GRAPES和NCEP_GFS预报效果不稳定;彰武县站ECMWF并无明显优势,5—6月GRAPES预报能力最强,7—8月NCEP_GFS预报能力最强。分析平均误差可知,三种模式对阜蒙县的降水预报偏弱,对彰武县的降水预报只在6月偏强。在大雨及以上量级的降水预报上三种模式均偏小,其中ECMWF的TS评分最高为40.2%。三种模式针对阜蒙县的降水TS评分均高于彰武县。     

多模式降水资料在贵州的检验分析

本文检验了2020年3月至2021年2月ECMWF和GRAPES以及中央台格点产品（以下简称SCMOC）和省台格点产品（以下简称SPCC）4家降水预报产品逐24h未来5天在贵州的预报质量,结论如下：（1）ECMWF和SCMOC与实况的相关系数最高,SCMOC和SPCC预报降水的变化幅度较观测偏大,而GRAPES预报降水的变化幅度较观测则是明显偏小。（2）SCMOC的晴雨准确率最高,除在72h预报时效SPCC的准确率略高于SCMOC外,其余预报时效SPCC准确率均低于SCMOC,表明SPCC的订正能力需要进一步提升。（3）在小雨量级,4种降水预报产品的TS评分相差不大,ECMWF和GRAPES的ETS评分明显低于SCMOC和SPCC,其中GRAPES的TS评分在5个预报时效内均高于ECMWF。在中雨量级,前3个预报时效内ECMWF的TS和ETS评分均高于其他三家,ECMWF在5个预报时效内预报有降水的次数大于实况出现的降水次数,但空报次数并不是最多的,在后2个预报时效内,SCMOC的TS和ETS评分均是最高的,但与其他家相差不大。在大雨量级,24h和96h预报时效ECMWF的TS和ETS评分均是最高的,而在48h、72h、120h预报时效SCMOC的TS和ETS评分是最高的。在暴雨及以上量级,前3个时效内SPCC 的TS和ETS评分均是最高,且48h的TS评分空间分布也是最优的,表明SPCC对暴雨及以上量级在前3个预报时效内订正能力较好。     

基于评分最优化的模式降水预报订正算法对比

使用2013年1月1日-2016年1月7日全国气象站观测资料,应用准对称混合滑动训练期,不改变雨带预报位置和形态,基于模式降水预报订正结果的TS评分最优化及ETS评分最优化,分别设计最优TS评分订正法（OTS）和最优ETS评分订正法（OETS）确定预报日各级降水订正系数,对2014-2015年降水数值预报进行分级订正,并与频率匹配法（FM）对比。结果表明:在24 h累积降水的多个预报时效订正中,无论是对欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心和中国气象局的全球模式降水预报,还是对4个模式的简单多模式平均,OTS和OETS较FM在TS评分和ETS评分等传统降水检验指标上均更优秀,其中OTS在所有时效均能提高模式降水预报质量,为三者最优。在概率空间的稳定公平误差评分方面,OTS在各时效、各单模式及多模式平均等方面优势明显。在预报员对应参考时效上,OTS在24~168 h的24 h累积降水预报中的TS评分也优于主观预报。     

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报（ECMWF）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论：基于ECMWF的降水预报-观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中,并根据近期模式预报调整及误差不断自动更新各量级降水修正值,可实时动态订正模式降水预报;检验发现ECMWF模式降水产品对于24 h内12 h间隔的10 mm及以下量级的预报普遍偏大,25 mm及以上量级的预报普遍偏小,在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况、预报效果较好.本降水预报订正法能提高小雨和暴雨的TS评分、降低暴雨的漏报率且提升其命中率,但对大雨及部分中雨的订正效果不佳,在实践中应权衡利弊使用.     

海河流域东北冷涡背景下的降水预报订正研究

针对海河流域东北冷涡降水样本,应用海河流域加密自动站降水资料及欧洲中期天气预报中心（ECMCWF）降水预报资料,利用滑动相关分析方法建立重组预报序列,基于加密自动站24 h累积降水量及重组24 h降水预报序列的Gamma累积概率分布曲线,采用预报—实况概率匹配方法建立1～3日的短期订正模型并进行试报检验。结果表明:欧洲中心数值模式对于海河流域东北冷涡降水的预报较实况偏慢;概率匹配法主要通过订正降水量级来改善预报结果,订正后降水预报对于小雨、大雨、暴雨预报的TS（Threat Score）评分技巧均有提升,尤其对于大雨和暴雨及以上量级预报,订正后预报量级及预报落区大小均与实况更加接近,订正效果显著。东北冷涡降水对流性强,模式预报能力弱,而订正后预报能有效提高此类强降水的预报技能,具有较好的应用价值。     

岳阳市ECMWF数值模式降水预报检验与释用

该文应用TS评分、预报偏差（BIAS）等方法,对ECMWF模式预报的2015年12月—2018年12月岳阳市降水场资料,开展晴雨和分级降水检验。晴雨预报检验结果表明：ECMWF模式对岳阳市晴雨预报性能总体较稳定,年际变化幅度较小;晴雨预报准确率季节差异大,冬季最高,秋季次之,夏季最低;从逐月晴雨预报检验来看,12月份最高,8月最低;晴雨预报还存在明显的日变化规律,对夜间的预报能力明显优于白天;空间上总体呈北高南低的空间分布特征。分级降水预报检验结果表明：小雨量级降水预报评分明显高于其他量级降水,中雨次之,大雨及以上量级评分较低且无明显规律;小、中、大雨3个量级任一时效的空报率整体上比漏报率大,小雨量级表现得尤为明显,说明小雨量级的空报更为严重。针对小雨降水预报空报率高的现象,该文对岳阳市ECMWF模式预报降水量1.2 mm以下消空处理后进行了预报释用,结果表明：冬季订正空间较小,夏季各时效可适度订正;春季和秋季可视情况适度订正,订正后可以有效提升预报技巧,但增加了一定漏报风险。     

辽宁省夏季多模式降水预报检验及晴雨预报技术研究

利用辽宁省291个国家气象观测站的降水资料,对2019年夏季（6-9月）8种模式降水预报及中央气象台格点降水预报进行了检验评估和比较,并采用消空方法进行晴雨预报技术研究。结果表明：2019年,EC模式具有最优的暴雨预报性能,而日本模式暴雨TS评分最高;中尺度模式对于局地性暴雨和短时强降水具有较好的预报潜力,性能较好的是GRAPES_MESO模式和睿图东北3 km模式;全球模式对24 h暴雨的预报频率比实况偏低30%,3 h强降水则偏低60%,中尺度模式对24 h暴雨的预报频率比实况偏高30%,3 h强降水则偏低20%。由于对小量级降水存在较多空报,各模式原始预报的晴雨预报大多呈现空报偏多的情况;使用小量级降水剔除的消空策略能够明显提高晴雨准确率,消空之后EC模式具有最优的晴雨预报性能。分别使用24 h和3 h累计降水量优化消空策略,发现分别取1.0 mm和0.8 mm的阈值进行消空可以使24 h晴雨准确率提高15.58%,3 h晴雨准确率提高10%-30%。