基于智能计算的广西冷湿极端天气定性和定量组合预报方法研究

论文以逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料为基础,将表征冬季低温冷害的冷湿指数作为预报量,先利用随机森林方法进行冬季逐日冷湿极端天气定性判别预报分析,再进一步以粒子群算法为基础的模糊神经网络集成个体生成技术方法,建立一种新的非线性智能计算定量集成预报模型（PSO-FNN）,进行了广西冷湿极端天气定量预报模型的预报建模研究。结果表明,论文提出的这种以不同的智能计算方法构建的定性、定量综合预报分析方法,比较符合极端天气小概率事件的预报特点,其中随机森林算法构建的定性预报模型,对广西冷湿极端天气事件的预报TS评分（Threat Score）为0.77,空报率为0.23,漏报率为0,ETS评分（Equitable Threat Score）为0.41,TSS评分（True Skill Statistic）为0.53。而采用粒子群—模糊神经网络方法构建的极端冷湿指数定量集成预报模型比其他线性和非线性预报模型具有更好的预报精度。其中PSO-FNN集成预报模型在预报建模样本和独立预报样本个例相同的情况下,比回归方法的预报平均绝对误差下降了25%以上,比一般的普通模糊神经网络预报平均绝对误差下降了14.37%。主要原因是因为PSO-FNN集成预报模型通过改进集成个体的预报能力和增强集成个体的种群差异性,提高了集成预报模型的预报精度。因此,该智能计算集成预报模型的泛化能力显著提高,预报结果稳定可靠,为冷湿极端天气客观预报提供了新的预报工具和预报建模方法。     

粒子群-神经网络在华南夏季降水短期气候预测中应用研究

使用1961~2013年广东、广西、海南三省共110个气象观测站的日降水资料、CMAP格点降水、国家气候中心74项和美国NOAA CPC 40项指数资料、NCEP/NCAR再分析资料,利用经验正交公式(EOF)等方法分析华南夏季降水气候变化特征,查找其影响关键因子,使用粒子群-神经网络建模预报。结果表明:利用高相关因子的粒子群-神经网络建模预报,从近10a华南夏季降水回报结果对比来看,粒子群-神经网络效果略好于国家气候中心第二代海-陆-冰-气耦合的气候系统动力模式,动力模式好于逐步回归方法。从7年华南出现异常降水年份的预报试验来看,利用异常因子的粒子群-神经网络建模预报误差均小于动力模式预报,预报与实况同号率高达到85.7%,高于动力模式,可见粒子群-神经网络建模预测具有很好的应用前景。     

延伸期暴雨过程的神经网络预报技术应用初探

利用DERF2.0延伸期环流预报数据资料,首先使用暴雨过程信号指标就一般降水和暴雨过程进行分类,结果延伸期逐日降水分类预报准确率为65%。最后利用逐步回归和粒子群-神经网络方法就延伸期暴雨综合强度进行建模预报,逐步回归方法在F=3条件下对广西暴雨综合强度预报误差最小;粒子群-神经网络预报误差均小于逐步回归方法,相对误差较逐步回归方法预报效果最好的方程减小了32.5%,可见粒子群-神经网络在延伸期定量化预报中具有很好的应用前景。     

冬奥延庆赛区风的预报技巧比较分析

为了提高2 min平均的10 m风预报精度,开展了多种建模和检验方法比较.根据欧洲数值中心集合预报系统产品及北京海陀山的5个测站资料,使用一元回归、岭回归、神经网络、粒子群-神经网络等方法建模,进行2021年2月逐日的未来3天6 h间隔预报误差订正,并从多个角度分析预报精度差异.结果为:(1)系统误差、预报准确率检验表...     

基于KPCA的台风强度神经网络集合预报方法研究

针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法.     

基于T639集合预报的持续性强降水中期客观预报技术研究

针对持续性强降水预报困难的问题,根据Anderson-Darling检验原理,构建基于中国气象局T639集合预报系统的持续性强降水中期客观预报方法。对比分析2010-2015年5-9月T639集合预报降水与实况降水的累积概率分布函数差异,在此基础上采用扩展时间序列和空间范围的方法构建3种模式气候累积概率方案,通过批量预报试验和检验,选取最优概率方案纳入预报模型,考察持续性强降水个例的最长预报时间。结果表明,随着预报时效的延长,集合预报模式的降水逐渐集中于小和中雨量级,无降水和暴雨以上量级的降水概率低于观测,168 h以后模式降水概率趋于稳定。通过扩展时间序列和空间范围能弥补模式气候资料年限不足所带来的偏差,根据区域气候特征细分模式气候的方法重点突出了不同区域的降水特征,明显优于简单集合所有区域数据的模式气候方案。基于集合预报的持续性强降水预报模型对持续性强降水个例的预报能力为8-9 d,随着预报时效的延长,降水强度以及雨带位置的预报能力逐渐减弱。      

常州雷灾分布特征及风险区划

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统资料,评估和讨论了2008年1月我国南方发生严重冰冻雨雪灾害期间欧亚中高纬阻塞形势的预报效果.结果表明,2008年1月阻塞形势发生频率极端偏高,ECMWF集合预报的阻塞发生频率随着预报时效的延长逐渐降低.环流预报效果检验表明,预报时效大于6d时,集合平均的预报效果好于确定性预报,因此集合预报的优势主要体现在中期预报时段.对阻塞形势的可预报性的分析表明,阻塞崩溃期间的可预报性低于阻塞建立期间.另外,通过集合预报可以获得阻塞发生的概率,从而提前为预报员提供可能发生阻塞的信号.     

2008年1月欧亚阻塞形势的ECMWF集合预报效果评估检验

基于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)集合预报系统资料,评估和讨论了2008年1月我国南方发生严重冰冻雨雪灾害期间欧亚中高纬阻塞形势的预报效果。结果表明,2008年1月阻塞形势发生频率极端偏高,ECMWF集合预报的阻塞发生频率随着预报时效的延长逐渐降低。环流预报效果检验表明,预报时效大于6 d时,集合平均的预报效果好于确定性预报,因此集合预报的优势主要体现在中期预报时段。对阻塞形势的可预报性的分析表明,阻塞崩溃期间的可预报性低于阻塞建立期间。另外,通过集合预报可以获得阻塞发生的概率,从而提前为预报员提供可能发生阻塞的信号。     

基于T639集合预报的我国2016年极端温度预报检验

基于我国T639集合预报系统的2 m温度模式实时预报和分析场资料,对历史气候百分位分布进行了估算,并对2016年我国极端高温和极端低温集合预报进行了检验评估。分析表明,对于某一区域代表站点,不同超前时间对应的气候百分位分布变化趋势均与分析场的基本一致,但不同区域代表站点之间以及同一站点不同季节之间的气候百分位分布则存在差异。Talagrand分布检验结果显示,T639集合系统对哈尔滨和长沙站的预报存在暖偏差,而对北京和拉萨站的预报则存在冷偏差,其余典型站表现出预报离散度偏小的特点。基于历史气候百分位定义,对2016年极端温度进行识别、预报和检验。TS评分结果表明,T639集合系统对于我国极端温度总体上具有一定预报性能,预报技巧在各个区域有较大差别,极端高温在江南和东北区域技巧相对较高、极端低温在华北和南方技巧较高。对于不同预报方法技巧比较显示,集合平均法对极端信号有平滑效果,总体技巧偏低,集合众数法对低温技巧增加明显,而采用集合最大值和最小值法对极端信号则有放大效果,对高温技巧增加明显,但对低温技巧则不明显。由此可见,采用合适的方法对集合预报中极端信息的正确提取至关重要。     

南海热带气旋强度预报的线性模型与非线性模型研究

以1980—2012年共33 a的6—10月在南海生成或西行进入南海海域的热带气旋样本为基础,采用线性回归方法和非线性人工神经网络方法,分别进行12～72 h各个预报时效的南海热带气旋强度预报模型建模研究。根据相同的热带气旋个例,相同的预报因子,将逐步回归预报模型、BP神经网络预报模型和遗传-神经网络预报模型进行比较。试验预报结果表明,非线性的神经网络预报模型比线性的回归模型有更好的预报能力;而同为非线性模型,遗传-神经网络模型比BP神经网络预报模型预报能力更强。      

基于集合预报和支持向量机的中期强降雨集成预报试验

本文基于欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)集合预报资料和支持向量机(SVM)回归方法建立了多模式集成的动力-统计客观预报模型(SVM-多模式集成预报),继而选用2012年5—9月(共计153 d)发生在淮河流域及其以南地区的大雨和暴雨开展了回报试验,并将所得预报结果与ECMWF的控制预报和集合平均预报进行了多角度比对评估。结果表明:在中期预报时效(4~7 d),SVM-多模式集成预报方法对2012年5—9月大雨和暴雨的预报效果最优,尤其对暴雨预报准确率明显提高,其优势主要体现在对强降雨中心分布范围和强度的预报更接近实况。     

两个集合预报系统对秦岭及周边降水预报性能对比

利用欧洲中期天气预报中心 (ECMWF)、美国大气环境预报中心 (NCEP) 集合预报系统 (EPS) 降水量预报资料,CMORPH (NOAA Climate Prediction Center Morphing Method) 卫星与全国3万个自动气象站降水量融合资料,基于技巧评分、ROC (relative operating characteristic) 分析等方法,对比两个集合预报系统对秦岭及周边地区的降水预报性能。结果表明:两个系统均能较好表现降水量的空间形态,对于不同量级降水,ECMWF集合预报系统0~240 h控制及扰动预报优于NCEP集合预报系统,但NCEP集合预报系统264~360 h预报时效整体表现更好; ECMWF集合预报系统0~120 h大雨集合平均优于NCEP集合预报系统,两个系统集合平均的预报技巧整体低于其控制及扰动成员预报,这种现象ECMWF集合预报系统表现更为显著; ECMWF集合预报系统降水预报概率优于NCEP集合预报系统。ROC分析显示,随着预报概率的增大,ECMWF集合预报系统在命中率略微下降的情况下,显著减小了空报率,NCEP集合预报系统则表现出高空报、高命中率。     

基于ECMWF集合预报产品的降水相态客观预报方法

基于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）集合预报系统的降水相态产品（precipitation type,PTYPE）,分别以HSS评分最优、TS评分最优和频率偏差最优为标准,运用最优概率阈值法,生成雨、雨夹雪、雪和冻雨4类降水相态的确定性预报产品,并与ECMWF集合预报系统控制成员及细网格模式确定性预报进行对比。最优概率阈值显示:3种最优标准下,不同相态降水最优概率阈值不同,但冻雨和降雪最优概率阈值均最大,为40%~80%,雨夹雪最优概率阈值最小,约为10%,三者最优概率阈值均随预报时效延长而减小;降雨最优概率阈值为7%~25%,随预报时效延长而增大。对比检验结果显示:最优概率阈值法明显提高了降水相态预报能力,且以HSS评分最优时预报效果最佳;最优概率阈值法有效减小冻雨空报,同时显著改善降雨和降雪预报的频率偏差和TS评分,对雨夹雪预报改进效果有限。     

基于TIGGE资料的地面气温和降水的多模式集成预报

利用TIGGE资料集下中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)5个中心集合预报结果,对多模式集成预报方法进行讨论。结果表明,多模式集成方法的预报效果优于单个中心的预报,但对于不同预报要素多模式集成方法的适用性存在差异。滑动训练期超级集合(R-SUP)对北半球地面气温的改进效果最优,但此方法对降水场的改进效果并不理想。在北半球中低纬24 h累积降水的回报试验中,消除偏差(BREM)的结果优于单个中心的预报,且此方法预报结果稳定。进一步利用滑动训练期消除偏差(R-BREM)集合平均对2008年1月中国南方极端雨雪冰冻过程进行多模式集成预报试验,结果表明,在固定误差范围内,R-BREM将中国南方大部分地区的地面气温预报时效由最优数值预报中心的96 h延长至192 h,且除个别时效外,小雨、中雨的TS评分得到明显提高。     

湖南省历史罕见的一次低温雨雪冰冻灾害天气分析

在欧亚大陆中高纬度稳定维持阻塞形势的环流背景下,2008年1月10日-2月2 日中同南方地区连续经历了4次历史罕见的大范围低温雨雪冰冻天气过程.应用多种常规、非常规观测资料及NCEP再分析资料,在对该过程的大尺度环流及水汽输送特征进行诊断分析的基础上,细致分析了受灾最为严重的湖南省冰冻分布地域特征、多种气象因子及特殊地形对冰冻强度的影响,并对造成降水性质差异及强冰冻的成因进行了探讨.结果表明:中高纬阻塞高压、西太平洋副高及南支槽是造成此次持续性雨雪天气的主要影响系统,持续而强盛的水汽输送对雨雪冰冻的强度和范围起重要作用;冰冻形成与增长是多种气象因子综合影响的结果.地面日平均温度、700 hPa风向风速、逆温强度及冷垫厚度对冰冻强度预报有很好的指示意义.当冰冻形成条件具备后,融化层及冷垫越深厚、地面日平均气温越低则冰冻发展越显著.若700 hPa维持强盛的西南急流、850 hPa持续偏东北风时,最有助于逆温加强,冷垫增厚.强冰冻的预报着眼点应关注700 hPa附近的剧烈增温、增湿及850 hPa以下的强降温;近地面层丰富的过冷水滴和叠置于深厚冷气层之上的暖性"逆温层"的建立和维持是大范围强冰冻天气产生的一个重要原因;此外,湖南特殊的地理位置及复杂的地形地貌特征对冰冻的持续和发展有较大影响.     

一次梅汛期极端降雨过程雨带位置模式预报性能对比分析

2016年6月30日至7月4日出现了当年入汛以来最强降雨过程,然而数值预报却出现了明显误差。为此,本文首先对比和分析了当今预报性能最优越的欧洲中期天气预报中心（European Centre for Medium Range Weather Forecasting,简称ECMWF）和美国环境预报中心/全球预报系统（National Centers for Environmental Prediction / Global Forecast System,简称NCEP）的确定性和集合预报差异及误差原因。结果显示,针对雨带位置,NCEP模式预报较为准确,ECMWF模式存在明显的偏北误差。基于集合预报的进一步分析表明,前者预报偏差小,源于误差在逐日变化中呈现偏北、偏南交替出现所致。而后者偏北误差却呈稳定维持的特征。接着,将集合预报成员划分为了准确组和偏差组,通过二者合成分析揭示出,当雨带位置的预报偏北时,对应降雨较强,反之亦然。最后,讨论了500 hPa层西风槽与雨带位置之间的联系。结果表明,当西风槽强度预报偏强时,雨带位置偏北、降雨强度偏强。ECMWF模式的西风槽持续偏强,因而雨带位置稳定偏北。NCEP模式的西风槽偏强、偏弱交替出现,导致了雨带位置的偏北、偏南误差。研究结果对在实际业务中开展误差订正具有很好的参考意义,也有助于提高梅汛期预报准确率。     

一种汛期降水分布的客观集成预报方法

该文应用么枕生提出的中心聚类方法确定每个台站所能代表的站 ,在这些台站上对降水距平百分率进行平均 .这种平均对每个代表站逐站进行 ,由此得出的降水分布作为集成预报的对象 .应用最小预测误差平方和逐步算法逐站建立集成预报方程 .应用这一方法对在国家气候中心汛期预报中使用多年的 4个旱涝预报模型进行了集成预报试验 ,然后对每张预报图进行评分 .结果说明集成预报的评分高于 4个原始预报模型的评分 .对于 1 998年长江中下游和嫩江流域的异常洪涝 ,集成预报的评分亦高于 4个原始预报模型的评分     

基于三大全球集合预报系统对内蒙古降水预报能力评估

利用ECMWF、NCEP和CMC中心的1~3天7种降水集合预报产品,同时结合内蒙古119个气象站同期降水观测资料,对降水预报效果基于晴雨、降水等级划分(包括小雨、中雨、大雨以及暴雨)确定性TS评分以及空间分布特点进行了归纳总结,评估了三大全球集合预报系统在内蒙古地区的降水预报能力,为进一步开发模式预报及应用提供技术支撑。研究结果表明,ECMWF集合预报产品对内蒙古降水预报能力明显优于NEPC和CMC中心的产品。ECMWF集合预报产品24h时效下的晴雨及小雨、中雨、大雨以及暴雨预报都具有良好的预报能力,但是随着预报时效的延长至48h、72h,ECMWF集合预报产品预报能力明显降低,预报能力与NCEP和CMC中心的产品接近。24h的ECMWF集合预报产品在呼伦贝尔市、兴安盟、锡林郭勒盟、巴彦淖尔市西部、阿拉善盟地区预报效果明显较好,三大集合预报系统对内蒙古东部地区的预报能力总体偏高。      

探空观测资料在西南暴雨中的同化试验

利用探空观测资料、T213资料、NCEP再分析资料以及GRAPES三维变分同化系统,研究不同探空观测资料预处理过程对同化结果和西南暴雨预报的影响。得到以下主要结论:(1)资料接收方式和取资料的截断时间不同会影响可用探空观测资料的站点个数。不同探空观测资料预处理过程,使同化系统得到的可用资料数量不同。(2)同化系统同化的探空资料数量越多,对背景场调整幅度越大。(3)利用GRAPES 3D-VAR系统同化探空观测资料能够改善背景场质量,随着同化的资料条数增多,对背景场的改善作用越明显。(4)降水预报结果表明,同化系统使用的资料条数越多,降水中心强度越接近实况。(5)2005年7月降水预报在西南地区的TS评分结果表明,国家气象中心使用的探空观测资料预处理程序优于成都区域中心的预处理程序。      

2011年与2008年贵州低温雨雪冰冻天气锋区特征对比

用常规气象观测资料和NCEP2．5°×2．5°再分析资料,对贵州2011年年初和2008年年初2次严重低温雨雪冰冻灾害期间的天气形势、冷空气、水汽和大气层结等特征进行了分析比较。结果表明：静止锋是贵州低温雨雪冰冻天气的主要天气系统;2008年较2011年冷暖空气均较强,故锋区强、锋面坡度较小,这是2008年冰冻天气强于2011年的主要原因;冻雨的发生与层结的逆温有很大关系,逆温发展的阶段均能较好地对应每一次冰冻过程;逆温强度强且长时间存在是2008年冰冻天气持续时间长的原因。2次过程中低层锋区附近有明显的水汽辐合,形成雨雪天气;对2011年降雪和冻雨过程的对比分析表明降雪与冻雨最明显的特征是降雪时层结基本无逆温,逆温层的出现是降雪转换成冻雨的重要原因。