基于卷积神经网络的逐时降水预报订正方法研究

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。     

澳门单站气象资料变化趋势的预报模型之比较

以澳门单站年和四季降水和温度两个气象要素的气象资料(1952~2001年)为主要研究对象,利用3种统计预报模型(谐波分析外推模型、开环门限自回归模型和主分量因子的逐步回归模型)进行拟合及试报,对澳门的降水及温度的变化做较深入的分析及预测,比较3种统计预报模型在研究澳门单站气象资料的变化趋势中的优劣。结果发现,3种预报模型在预报年和四季平均气温的方面都比较理想,但对降水量变化序列做拟合及试报则差异较大。总体而言,气候场的主分量逐步回归法对相同的气候资料建模做拟合及试报,结果拟合率是三者中最高的,复相关为0.821~0.911,预报效果除秋季较差外,其余都非常好。     

用距离预报方法建立分县客观预报模型

根据ECMWF的变温资料建立了气温预报的拟合率较高的多元回归方程.以14时地面要素资料和高空要素场为基础,用欧氏距离选取最相似的前10个历史样本,用ECM-WF数值预报产品,选取90%以上拟合率的数值预报因子建立了晴雨判别模型,试报效果较好.     

用距离预报方法建立分县客观预报模型

根据ECMWF的变温资料建立了气温预报的拟合率较高的多元回归方程。以14时地面要素资料和高空要素场为基础，用欧氏距离选取最相似的前10个历史样本，用ECMWF数值预报产品，选取90％以上拟合率的数值预报因子建立了晴雨判别模型，试报效果较好。     

基于主成分分析的人工智能台风路径预报模型

利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分析的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风路径预报模型的预报建模研究。在预报建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行了预报试验,试验对比结果表明,前者较后者在6、7、8和9月份台风路径预报中,平均绝对误差分别下降了7.4%、4.8%、12.4%、17.0%。另外,论文进一步在初选预报因子和样本个例相同的情况下,通过比较新模型与直接采用主成分分析方法选因子并分别运用逐步回归和遗传—神经网络集合预报模型进行计算的预报精度差异表明,前者具有更高的预报精度,其原因是该方法挖掘利用了全部备选预报因子的有用预报信息,而且遗传—神经网络集合预报模型的是由多个神经网络个体预报结果合成,集合模型的各个神经网络个体的网络结构,是通过遗传算法的优化计算确定的,因此,该集合预报模型的泛化能力显著提高,在实际天气预报中具有较好的实用性和推广价值。     

基于ECMWF模式的定量降水客观订正方法

基于ECMWF高分辨率数值模式物理量诊断产品,利用逻辑回归法开展江西定量降水客观预报试验,并进行检验和改进。结果表明:(1)初始方案中直接提取预报因子单站建模所得到的预报结果较数值模式原始输出降水改进效果有限,但在经过降水分区优化、多倍数暴雨样本扩充、本地气候频率降水订正等改进步骤后,各等级降水预报均较初始方案TS有不同程度的提高。(2)2018年降水试验结果表明,改进方案的晴雨、各等级降水预报TS均高于EC模式降水和预报员,其中大雨、暴雨以上量级相对数值模式以及预报员的订正提高率达到1/4～1倍。(3)本方案预报产品对强天气尺度强迫下、落区相对集中的暴雨天气有较好的识别能力;而在暖区暴雨、盛夏副热带高压边缘暴雨、高架对流等强降水落区分散且范围较小的情况下,或是当模式对天气形势、主雨带预报有明显系统性偏差时,无法有明显改进。     

基于T639对流参数的内蒙古强对流天气潜势预报方法初探

统计内蒙古地区2011—2014年汛期短时强降水、冰雹、大风强对流天气的基础上,利用T6391°×1°逐3 h的数值模式产品计算物理量,选取与强对流天气相关性较好的敏感对流参数作为预报因子,通过权重分析建立未来0~12 h强对流天气及落区的潜势预报方程,并确定判别不同强对流天气的阈值。通过对2013年8月进行的预报试验结果表明:发生强对流天气的平均TS评分为0.35;不发生强对流天气的平均TS评分为0.51;3种强对流天气预报中对冰雹预报效果不理想,但对大风及短时强降水预报效果好。     

MM5模式对四川"8.8"降水过程的数值试验

利用MM5中尺度模式,对2003年8月8～10日发生在四川盆地的一次强降水过程进行了数值预报和数值模拟.结果表明:(1)MM5模式对盆地西北部的强降水预报较好,在暴雨落区和中心强度的预报上非常接近实况.(2)一重区域MM5模式采用BETTS方案略好于GRELL方案.(3)二重区域双向影响嵌套侧边界处理更能清晰地预报发生强降水的落点,对预报有一定的指导意义.(4)40公里格距的一重区域MM5模式具有业务应用前景,但还需作进一步的最优方案选择调试.     

南京,上海地区对流及降水甚短期预报的统计方法研究

本文以我国国家气象局发布的B模式数值预报输出,上海气象局计算的物理量及南京单站气象观测资料作为基本的初选因子,用逐步判别法对5月至入梅前南京和上海的对流天气和降水预报建立了不同的预报方程,探讨了预报因子的不同组合,非线性因子的引入以及不同的判别方案对预报准确率的影响,并进行了业务预报试验。结果表明,考虑非线性因子影响并采用“两段筛选”的判别方法获得的预报方程其预报效果最佳。     

条件数在区域日降水量预报中的应用研究

针对前汛期广西北部暴雨洪涝灾害频发的问题，利用T213模式和日本细网格降水预报等数值预报产品，采用条件数计算选取回归因子的方法建立广西北部区域平均降水量的预报方程。进行了2004、2005年两年5-6月的前汛期业务预报应用试验。采用条件数方法建立的预报方程和传统的逐步回归预报方程的平均预报误差分别为6．3569mm和7．0096mm，同期T213模式的预报误差为7．9456mm。试验表明新方法比传统的逐步回归方程和T213模式具有更高的预报精度，有较好的业务应用前景。计算对比可知，采用条件数计算选择的预报因子间的复共线性较微弱，而逐步回归方法选择的因子间的复共线性很严重，影响了回归方程的预报效果。     

东北冷涡数值预报系统建立与业务应用

东北冷涡强降水一直是东北地区气象预报的难点和重点。从提高东北冷涡降水数值预报质量着手,选择模式中可能对东北冷涡强对流有影响的不同辐射方案、边界层方案和积云参数化方案等多种物理过程,对东北冷涡降水预报的性能进行批量试验;利用天气学检验方法,选择预报结果较好的RRTM长波辐射方案、Gayno Seaman边界层方案、Grell积云参数化方案和混合相湿过程显式方案等物理方案,组合建立了东北冷涡数值预报系统。经检验表明：系统对东北冷涡降水预报的水平较东北区域中尺度数值预报业务系统有所提高。同时利用天气学检验方法,从降水预报的强度、落区和移速等方面着手,评估东北冷涡数值预报产品对冷涡降水预报的性能和系统误差,得出降水强度易偏强、落区易偏西偏南和范围易偏小等定性结论,可直接应用于预报业务,取得了较好的应用效果。     

合肥市大雾预报方法的建立与应用

利用主成分分析方法对2012—2014年合肥市高速公路沿线交通气象站日最低能见度资料统计出的大雾观测样本进行研究,应用因子荷载点聚图将合肥市县大雾划分为2个区:中南区、北区。基于PP法统计ECMWF模式输出产品与大雾之间的相关性,全市和分片分别确定与大雾密切相关的高影响因子,利用等级分类和逐步回归建立大雾预报模型。在回归结果的判定阈值和消空指标选定的情况下,通过研发的大雾天气精细化预报系统每日定时输出合肥市大雾预报格点产品。经过前期业务化运行和预报效果检验表明:数值模式产品释用方法在有无大雾预报技巧方面较WRF模式明显占优,技巧评分大幅提升,而2类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果更好。     

合肥市大雾预报方法建立与应用

利用主成分分析方法对2012～2014年合肥市高速公路沿线交通气象站日最低能见度资料统计出的大雾观测样本进行研究，应用因子荷载点聚图将合肥市县大雾划分为2个区：中南区、北区。基于PP法统计ECMWF模式输出产品与大雾之间的相关性，全市和分片分别确定与大雾密切相关的高影响因子，利用等级分类和逐步回归建立大雾预报模型。在回归结果的判定阈值和消空指标选定的情况下，通过研发的大雾天气精细化预报系统每日定时输出合肥市大雾预报格点产品。经过前期业务化运行和预报效果检验表明：数值模式产品释用方法在有无大雾预报技巧方面较WRF模式明显占优，技巧评分大幅提升，而两类典型大雾天气过程预报效果检验则可以更直观地看出数值模式产品释用的预报方法效果要更好。     

武汉区域分县可能最大降水预报研究

针对强降水过程预报,介绍了一种包含大尺度降水、不稳定能量释放、地形影响作用等因子的可能最大降水预报模型的建立方案。方案利用历史强降水过程资料和精细的地形资料,从暴雨的基本成因出发,构造了多个影响因子,分别设计了不稳定降水方程和地形影响降水方程。通过2007汛期业务试运行表明,同其它模式相比,该模型对暴雨有较强的预报能力,为防汛抗灾提供了可靠的气象决策依据,最大可能降低了暴雨洪涝灾害造成的损失。     

低纬度地区局地暴雨的神经网络预报方法研究

以南宁市所辖8个站暴雨集中的6-8月逐日降水量作为预报对象,采用人工神经网络方法进行了新的数值预报产品释用预报方法研究.通过运用动力相似法,结合日本降水预报模式对未来暴雨发生的可能性进行判别,然后通过对欧洲中期数值预报中心预报场进行滑动分区车氏展开计算,求出与降水量序列相关较好的预报因子,并对这些因子进行自然正交分解,有效浓缩数值预报产品因子,建立了南宁市逐日暴雨的神经网络释用预报模型.利用该预报模型,对2006年6-8月的逐日暴雨预报试验结果表明,该预报模型对南宁市的暴雨强降水具有很好的预报能力.     

MM5模式对四川“8．8”降水过程的数值试验

利用MM5中尺度模式．对2003年8月8～10日发生在四川盆地的一次强降水过程进行了数值预报和数值模拟。结果表明：(1)MM5模式对盆地西北部的强降水预报较好．在暴雨落区和中心强度的预报上非常接近实况。(2)一重区域MM5模式采用BETTS方案略好于GRELL方案。(3)二重区域双向影响嵌套侧边界处理更能清晰地预报发生强降水的落点．对预报有一定的指导意义。(4)40公里格距的一重区域MM5模式具有业务应用前景．但还需作进一步的最优方案选择调试。     

基于EC025配料的短时强降水概率预报产品及应用

利用ECMWF预报资料,从动力、热力、水汽、能量和降水预报5个方面选取影响短时强降水发生的因子,构建多因变量数组,并利用主成分分析确定配料系数及其阈值,在此基础上进行配料,研发了四川省短时强降水概率预报产品投入应用。结果表明:产品对盆地20mm/h以上和高原地区10mm/h以上的短时强降水落区预报效果显著。      

区域业务模式6 h降水预报检验方案比较

对我国华东、华南、华北区域气象中心和中国气象局数值预报中心业务运行的区域模式2011年5—9月的6 h降水预报, 采用不同检验结果平均方案进行对比检验。对比结果表明:不同的检验结果平均方案基本不影响与中国气象局数值预报中心模式 (NMC-GRA) 在相同区域关于TS评分比较的相对检验结论,即当两个模式评分差距较大时,评分高的模式在两个方案中是一样的,但评分比较接近时,若有一个模式对该区大尺度降水预报较好时,则可能在新方案中有较高的TS评分,而此模式原方案评分则可能略低于局地小尺度降水预报较好的模式。但对于较少发生的强降水预报的预报偏差的评价有很大不同,当新方案的结果显示多数模式对强降水的预报偏少,原方案则可能显示偏多,说明模式对大尺度的强降水预报较实况偏少,但对小尺度局地降水的预报则可能偏多。     

多因子的EOF迭代预报方案

本文提出一种基于ＥＯＦ分析的ＥＯＦ迭代预报方案，详细介绍了各有关参数的选取方法，并提出利用主成分分析方法确定拟合时特征场截止阶数，这是预报成功与否的关键。该方案尤其适用于备选因子较多，但因子两两之间又有显著相关时的情形。文中最后利用一实例验证该方案的预报能力。     

PCA-BP神经网络在SO2浓度预报中的应用

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型.结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度.对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果.并且比一般的BP神经网络模型具有较高的拟合和预报精度.