动态最优多因子组合的华北汛期降水模式误差估计及预报

利用国家气候中心季节预报1983—2009年27年模式预报结果,结合74项环流指数及美国国家海洋局和大气管理局提供的40个气候指数和美国气候预报中心实际降水分析资料,采用资料诊断分析和数值模拟实验相结合的方法,通过多因子的历史相似信息提取预报相似年,获得预报场的误差订正项.在这一订正思路的基础上,考虑前期关键影响因子的选取、多因子组合的优化配置,构建适用于不同预报年的区域动力-统计模式预报误差订正方案.以华北为例,探索多因子最优组合的多元客观相似判据,发展基于多因子动力-统计模式预报误差的动态订正新技术,改善华北夏季降水预报效果,提高预报技巧.通过2005—2009年独立样本回报结果表明,动态最优多因子组合相似订正方法距平相关系数评分相对于系统订正方法有着显著的提高,该订正方案对华北地区的夏季降水预测有着很好的业务前景,具有重要的应用价值,即将投入业务运行. 关键词： 关键因子集 模式误差估计 汛期降水 预测     

基于季节气候可预报分量的相似误差订正方法和数值实验

基于由历史相似信息对模式预报误差进行预报的思路,发展了一种针对季节气候可预报分量的相似误差订正新方法（FACEPC）,目的是识别模式预报结果中对初值相对不够敏感的可预报分量,将其作为对象进行历史相似选取和误差订正.该方法被应用到国家气候中心业务季节预报模式实验中,对不同区域给出有针对性的相似选取指标和预报方案.25年的交叉检验结果表明,夏季降水和环流的预报技巧评分相对于系统误差订正有明显提高,在发生中等及以上强度ENSO事件年和可预报分量贡献较大地区的预报技巧提高更为显著.特别是中国区域降水和关键区环流的 关键词： 短期气候预测 相似误差订正 可预报分量     

国家气候中心大气环流模式冬季模式误差特征分析

本文利用1982—2010年国家气候中心第二代月动力延伸预测系统中大气环流模式(BCC_AGCM)的回报资料和美国国家环境预测中心和美国国家大气研究中心(NCEP/NCAR)再分析资料,分析了该模式对冬季气温预测的误差特征及其与外强迫的联系.结果表明模式能够在整体上较好地反映出欧亚区域冬季气温的变化趋势,能抓住东亚冬季风区气温年际变化的主要空间模态,对东亚冬季风区冬季气温具有一定的预报能力.预报误差的空间分布和时间演变特征的结果表明,误差在陆地大于海洋,高纬地区大于低纬地区,同时与海拔高度也有密切关系.预报误差的主要模态与一些关键区域的海温和海冰存在显著的相关性,表明模式对外强迫异常的响应能力存在缺陷.这为结合模式对关键区海温和海冰异常的响应能力,有针对性地改进模式对东亚冬季风区冬季气温的预测能力提供了依据.     

基于奇异值分解对中国夏季降水模式误差订正的研究

利用奇异值分解(SVD)方法对国家气候中心气候业务模式CGCM的预报结果进行订正, 进而得到改进后的预报结果. 通过对1983–2011年中国夏季降水的模式预报和实际降水值各年份之间的耦合场进行SVD分解, 选取模式预报和实况降水相关性最好的前3–7个模态, 对这5种不同模态个数的订正结果加以对比, 选出对中国区域订正效果最好的模态个数, 得到模式预报的订正结果. 对2004–2009年6年进行交叉回报试验, 以距平相关系数和均方根误差作为评判标准来检验回报结果, 得出2004–2009大部分年份取前5个模态作为当年订正的模态个数时,订正效果最好. 利用已有的2004–2009年的模式和实际降水资料进行检验, 证实在大部分年份5个模态订正效果最好, 并将结果与系统误差订正法的结果相比较, 表明SVD法对2004–2009年 6年的订正结果中, 有4年比系统误差法的订正效果好. 以2010年作为预测年, 以1983–2009年27年交叉回报检验的结果确定模态个数, 对预测结果加以分析, 显示该方法具有潜在的业务应用价值. 关键词： 奇异值分解 模式预报订正 汛期降水     

欧亚中高纬阻塞高压关键区高度场动力-统计跨季度预测实验

本文主要利用实际业务模式的预报结果和丰富的历史资料对乌拉尔山、 贝加尔湖和鄂霍次克海三个阻塞高压活动关键区夏季平均的500 hPa高 度场进行动力-统计跨季度预测实验, 其结果显示该方法能在一定程度上减小模式预报误差, 提高预报技巧, 显示出了良好的业务应用前景. 此外, 敏感性实验显示, 相似指标和相似年选取个数都对预测结果有显著影响. 关键词： 阻塞高压 高度场 动力-统计 跨季度预测     

长江中下游汛期降水模式预测误差相似性及其可预报度

对数值模式预测误差进行相似预报进而订正模式预报结果,是提高模式预报水平的有效手段之一.本文从数值模式预测误差场存在相似性的角度出发,研究了长江中下游汛期降水逐年模式误差场间的相似性及其可预报性,探讨了数值模式预测误差在历史资料中的相似信息量,发现利用相似误差订正可以明显提高模式预报水平.进一步对历史模式预测误差场进行经验正交函数(EOF)分解,着重研究了误差场前三个特征向量的空间分布及其时间系数演化规律,发现对各分量分别进行相似预报可以简化预报对象,并且针对性更强,可以提高其潜在预报水平.在研究数值模式预测误差场相似性的基础上,定义了数值模式预测误差的相似可预报度,用以衡量逐年模式预测误差的可预测性,发现模式预测误差场前三个分量的相似可预报度明显高于原始模式误差场,揭示出有针对性地分别预报模式预测误差各分量的潜在应用价值.     

汛期降水相似动力预报——模式误差主分量相似预报方法

针对相似动力预报中模式预报误差的估计问题,提出将模式误差的直接相似订正问题转化成模式误差主分量的相似预报问题.客观上将模式误差主分量分成可预报和不可预报两部分, 对于可预报主分量采用最优多因子动态配置方案进行相似预报, 而对于不可预报部分则用系统平均代替.基于国家气候中心季节预报业务模式、 美国气候预报中心组合降雨分析资料及国家气候中心气候系统诊断预报室74项环流指数和美国国家海洋和大气管理局的40个气候指数,对东北区域汛期降水进行了预报试验. 2005—2010年6年独立样本检验预报平均距平相关系数为0.29,较系统误差订正预报的0.04有较大提高, 证实该方案能提高国家气候中心季节预报业务模式汛期降水预报水平.     

基于延伸期可预报性的集合预报方法和数值试验

集合预报是考虑初始条件和模式不确定性的有效途径. 结合延伸期可预报性特征,对具有不同特性的可预报分量和随机分量采用不同的集合预报方案和策略,发展了一种基于延伸期可预报性的集合预报新方法(PBEP).该方法以延伸期数值预报模式为平台,对可预报分量采用多个模式误差订正方案,从考虑模式不确定性的角度进行集合;而对随机分量则利用历史资料从气候概率的角度给出集合概率分布,避免模式误差对随机分量概率分布的影响.试验结果表明,相比于国家气候中心的业务动力延伸集合预报系统,该集合预报方法对全球各区域环流预报技巧均有提高,对不同空间尺度的波也有不同程度的改进,显示出潜在的业务应用前景.     

季风与极涡的异常配置下中国夏季大尺度旱涝分布

从冷暖系统配置的角度,选取东亚夏季风(EASM)和7月亚洲区极涡面积(APVA),分析了二者的气候特征与中国夏季降水分布之间的关系.在此基础上,将1951—2010年EASM和APVA的异常配置分为四种类型:A:季风强、极涡大;B:季风强、极涡小;C:季风弱、极涡大;D:季风弱、极涡小.研究发现,二者的异常配置下,中国夏季大尺度旱涝分布在季尺度上表现出多面性特征:A型年,夏季整体偏旱;B型年,夏季南涝北旱;C型年,夏季北涝南旱;D型年,夏季整体偏涝.由此可见,中国夏季旱涝总体分布除了与EASM有关外还与APVA密切相关,二者异常的不同配置下,夏季降水多寡和旱涝分布表现出了显著的差异和规律性,这对夏季降水总体趋势预测有一定的指示意义.此外,通过研究不同配置关系对应大气环流异常特征,并分析不同要素在夏季风和极涡关系变化中的作用,发现不同配置类型下夏季降水表现出的差异和规律性直接取决于环流场的整体配置,其中西太副高和中高纬阻塞形势起主导作用.     

模式误差弱约束四维变分同化研究

经典四维变分同化(four dimensional variational data assimilation,简称4dvar)中认为模式是完美的, 而实际数值模式中存在的模式误差将对变分同化效果产生直接影响, 弱约束4dvar的提出为4dvar中考虑模式误差的影响提供了一种可行途径. 研究了基于模式误差控制变量的弱约束4dvar基本理论, 并在一维浅水方程组中对其同化效果及估计模式误差的有效性进行相关数值实验研究. 结果表明,在模式误差不可忽略的情况下,模式误差弱约束4dvar在整个区间 (包括同化区间和预报区间)上预报误差均比传统4dvar小, 在模式误差相对较大时改进效果更明显,具有明显优越性; 并且,模式误差弱约束4dvar能有效估计模式误差大小及分布形式.     

An approach to estimating and extrapolating model error based on inverse problem methods:towards accurate numerical weather prediction

Model error is one of the key factors restricting the accuracy of numerical weather prediction(NWP). Considering the continuous evolution of the atmosphere, the observed data(ignoring the measurement error) can be viewed as a series of solutions of an accurate model governing the actual atmosphere. Model error is represented as an unknown term in the accurate model, thus NWP can be considered as an inverse problem to uncover the unknown error term. The inverse problem models can absorb long periods of observed data to generate model error correction procedures. They thus resolve the deficiency and faultiness of the NWP schemes employing only the initial-time data. In this study we construct two inverse problem models to estimate and extrapolate the time-varying and spatial-varying model errors in both the historical and forecast periods by using recent observations and analogue phenomena of the atmosphere. Numerical experiment on Burgers’ equation has illustrated the substantial forecast improvement using inverse problem algorithms. The proposed inverse problem methods of suppressing NWP errors will be useful in future high accuracy applications of NWP.     

Exploiting dynamical coherence: A geometric approach to parameter estimation in nonlinear models

Parameter estimation in nonlinear models is a common task, and one for which there is no general solution at present. In the case of linear models, the distribution of forecast errors provides a reliable guide to parameter estimation, but in nonlinear models the facts that predictability may vary with location in state space, and that the distribution of forecast errors is expected not to be Normal, means that parameter estimation based on least squares methods will result in systematic errors. A new approach to parameter estimation is presented which focuses on the geometry of trajectories of the model rather than the distribution of distances between model forecast and the observation at a given lead time. Specifically, we test a number of candidate trajectories to determine the duration for which they can shadow the observations, rather than evaluating a forecast error statistic at any specific lead time(s). This yields insights into both the parameters of the dynamical model and those of the observational noise model. The advances reported here are made possible by extracting more information from the dynamical equations, and thus improving the balance between information gleaned from the structural form of the equations and that from the observations. The technique is illustrated for both flows and maps, applied in 2-, 3-, and 8-dimensional dynamical systems, and shown to be effective in a case of incomplete observation where some components of the state are not observed at all. While the demonstration of effectiveness is strong, there remain fundamental challenges in the problem of estimating model parameters when the system that generated the observations is not a member of the model class. Parameter estimation appears ill defined in this case.     

基于无导数优化方法的数值模式误差估计

初始场误差和模式误差是制约数值预报准确率的两个关键因素,本文主要考虑利用历史观测资料实现时空演变的模式误差的估计问题.通过把模式误差综合考虑成为准确模式中的未知项,把历史资料看作是带有未知项的准确模式的特解,构造了求解时空演变的模式误差项的反问题及其最优控制问题.给出了一个解决最优控制问题的无导数优化方法,该方法的优点是不需要建立原数值模式的切线性模式与伴随模式,它只需在增加一个外强迫项的基础上运行原数值模式即可实现模式误差项的最优估计.关于Burgers方程的算例表明,无论模式的初始状态是否准确已知,无导数优化方法都能有效解决时空演变的模式误差的最优估计问题,它为实际业务模式利用历史数据提取模式误差信息并显著地改进预报效果提供了一种方便可行的数值方法与理论依据.     

含有误差校正的小波神经网络交通流量预测

交通流量的准确预测对于高速路管理者进行决策至关重要。建立了小波神经网络(WNN)交通流量预测模型,并通过预测训练误差和测试误差校正预测结果来提高预测精度。首先构建WNN模型对交通流量进行初步预测,然后利用经验模态分解(EMD)和WNN模型对训练误差和测试误差进行预测。分别用训练误差预测值、测试误差预测值和两种误差预测值的加权对流量初步预测结果进行修正得到最终预测值。采用四川省成灌高速路交通流量数据进行了仿真对比实验,仿真结果表明含有误差校正的小波神经网络模型能有效提高交通流量预测精度,并且利用两种误差加权修正模型的预测精度高于利用测试误差的修正模型和利用训练误差的修正模型。     

预测特征误差映射及其在多基地水下目标识别中的应用

针对水下多基地目标识别问题,提出了基于特征预测和误差映射的多基地融合识别算法。推导并简化了基于贝叶斯公式的多基地目标识别条件概率公式,利用BP神经网络对最后一个节点的特征向量进行预测,并计算得到预测值与实际值误差的概率密度,将其与前面每个节点的条件概率累乘,以得到目标识别的条件概率。将利用特征预测计算条件概率的方法从单个节点推广到多个节点上,同时针对误差概率分布模型不准确的问题,提出了利用混合高斯分布模型代替单高斯概率分布模型的改进方法。对每个目标重复此过程,取结果最大值对应的目标类别为最后的识别结果.在消声水池开展多基地模拟实验,对四类目标进行识别,在一定声呐节点数目及信噪比条件下,与单基地声呐相比,多基地目标融合识别得到的识别正确率最大可提高40%,采用改进方法以后,识别正确率得到进一步提高。