共查询到20条相似文献，搜索用时 141 毫秒
1.
ECMWF模式地面气温预报的四种误差订正方法的比较研究 总被引：16，自引：5，他引：11
采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。 相似文献
2.
降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大。由于数值预报模式的局限性,使得模式预报产品存在一定误差。为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解（SVD）与机器学习（多元线性回归、套索回归、岭回归）构建订正模型,对2007—2019年4月1日—6月30日华南前汛期欧洲中期天气预报中心（EC）模式降水预报产品进行误差订正试验。结果表明:基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2%,累计超过69%的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7%,累计超过77%的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型。 相似文献
3.
为评价用于公众气象服务的精细化多模式客观集成预报服务产品(refined multi-model objective consensus forecasting service products,以下简称OCF)多模式集成气温预报效果,分析其误差成因,以中国区域OCF日最高气温和日最低气温预报检验为切入点,对服务影响较大的大误差日及其典型特例——降温日开展检验分析,并与参与OCF集成的ECMWF和NCEP气温预报进行对比。结果表明:OCF日最高气温和日最低气温总体上预报性能优于参与集成的模式预报,准确率夏季高冬季低,拉开了气温变化范围,也有效减小了误差。OCF的大误差日较少,但2~3 d时效及冬半年的大误差日较ECMWF多,与集成的模式预报性能、降温天气相关。针对降温日的检验分析发现:OCF、ECMWF和NCEP在降温日的预报性能有所下降,OCF日最高气温预报误差增长尤其快;OCF对降温日的日最低气温、非降温区域的日最高气温进行了有效订正,但在降温日的降温区域里,其日最高气温预报有明显的正误差特征。基于以上分析,提出了OCF气温集成订正技术改进方向,说明针对性的检验更利于发现客观模式预报及集成订正的问题。 相似文献
4.
针对当前单模式系统臭氧（O3）预报的不确定性问题,提出了一种基于活动区间的多模式超级集成的、高效的预报方法。本研究基于长江三角洲（长三角）地区多模式空气质量预报系统,将改进后的超级集成预报方法（AR-SUP）运用到2015年长三角地区的O3预报中,并与滑动训练期的超级集成预报（R-SUP）、多模式集成平均预报（EMN）、消除偏差的集成平均预报（BREM）对比,结果表明AR-SUP对预报效果的改善最明显,其在暖季和冷季的均方根误差（RMSE）较最优单模式平均下降了20%和23%。将AR-SUP运用到48 h和72 h预报中发现,当预报时效增加时该方法依旧保持较高的预报技巧。多项统计数据均证明AR-SUP在研究时段内所有站点均能显著减小O3预报误差、提高整体相关性和一致性,有效提高当前短期（三天）预报准确率。 相似文献
5.
基于TIGGE资料中的欧洲中期天气预报中心、英国气象局、美国国家环境预报中心、韩国气象厅和日本气象厅2015年1月1日—9月30日中国及周边地区地面2 m气温24～168 h集合预报资料,利用长短期记忆神经网络(Long Short-Term Memory,LSTM)、浅层神经网络(Neural Networks,NN)、滑动训练期消除偏差集合平均(BREM)和滑动训练期多模式超级集合(SUP)方法对2015年9月5—30日26 d预报期进行集成预报试验。结果表明,BREM对5个单模式进行等权集成,预报结果易受预报效果较差模式的影响,整体预报技巧略低于单个最优模式ECMWF的预报技巧。其中在新疆南部,等权集成后的预报技巧更低。SUP的预报结果比所有单个模式预报更为准确。在144 h之前,SUP的误差明显小于ECMWF的预报误差,但随预报时效增加,误差增长幅度增大。NN对地面气温的预报效果与SUP的预报效果相当。LSTM整体预报效果最好,特别是在预报时效较长(超过72 h)时,比其他方法预报准确率明显提高。LSTM神经网络方法明显改进了我国西北、华北、东北、西南和华南大部分地区的气温预报,但在南疆部分地区误差较大。 相似文献
6.
日极端气温的多模式集成预报应用及检验 总被引：1，自引：0，他引：1
基于Grapes、T639、ECMWF和JMA精细化数值模式,利用平均集成(EMN)、反误差加权集成(IEWE)、消除偏差加权集成(BRWE)法进行广州5个观测站的日极端气温集成预报研究。结果表明:(1)数值模式对最高气温的预报较为接近,其中Grapes模式的预报效果相对较优;模式对最低气温的预报普遍优于最高气温,ECMWF模式明显优于其余3种数值模式。(2)BRWE的效果最好,尤其对最高气温预报有明显改善,其24~72 h预报效果较最优的Grapes模式分别提高了27.6%、17.1%、9.9%;对最低气温的预报亦有改进,24 h预报误差较最优的ECMWF模式提高12.5%,但48~72 h的改进效果则不明显。(3)集成预报在不同季节的效果有一定差异,在夏秋、冬季节,BRWE的最高气温预报效果明显高于春季;而BRWE的最低气温预报在春、夏季节具有较高的应用价值。 相似文献
7.
8.
为降低单个模式预报的不确定性和提高多模式集成空气质量预报系统的精细化程度,利用Cressman插值初步建立了我国0.25°X0.25°网格化污染物实况。结合4套空气质量数值预报模式,通过均值集成、权重集成和多元线性回归集成分别逐格点建立了集成预报。在预报当天各单一模式和集成方法前50 d预报效果评估基础上,建立了最优集成预报。对2018年12月19一22日一次重污染过程中集成预报的PM_(2.5)浓度评估结果显示:在污染较重时刻,最优集成预报与观测之间的归一化平均偏差(NMB)值在重污染地区保持在—20%～40%,对污染程度为良及以上区域的预报范围相较于单个模式更接近观测。整个过程中,最优集成在大部分污染区域与观测之间的NMB值为—20%～20%,均方根误差(RMSE)值为35～75μg·m~(-3),相关系数(R)值大于0.4。相较于所有单一模式和其他集成方法,最优集成在全国最多的格点有着较高的总体评分。在污染最重区域的8个城市,最优集成预报的污染过程平均开始和结束时间分别比观测时间早1.8和6.9 h。未来需融合卫星反演和地表观测来提高网格化污染物实况的精细化程度,利用降尺度、主客观融合和滚动订正等方法进一步提高网格化多模式集成空气质量预报的准确率。 相似文献
9.
采用中国T639预报模式提供的气温数值预报资料及两要素加密自动站气温资料,对贵州省内2 000多个乡镇站点进行气温精细化预报研究。结果表明,在对2013年1—3月预报时效为24~168 h的气温预报试验中,无论从均方根误差的角度还是按照贵州省的业务评分标准,进行降尺度技术处理后的精细化气温预报效果较直接的气温预报有着明显的改进。试验中,对于24 h的预报改进最明显,均方根误差减少达19.1%,预报业务评分改进达24.5%,全省平均评分均在70%以上,较大幅度地改进了T639预报模式直接提供的气温预报。 相似文献
10.
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。 相似文献
11.
This study investigates multi-model ensemble forecasts of track and intensity of tropical cyclones over the western Pacific, based on forecast outputs from the China Meteorological Administration, European Centre for Medium-Range Weather Forecasts, Japan Meteorological Agency and National Centers for Environmental Prediction in the THORPEX Interactive Grand Global Ensemble (TIGGE) datasets. The multi-model ensemble schemes, namely the bias-removed ensemble mean (BREM) and superensemble (SUP), are compared with the ensemble mean (EMN) and single-model forecasts. Moreover, a new model bias estimation scheme is investigated and applied to the BREM and SUP schemes. The results showed that, compared with single-model forecasts and EMN, the multi-model ensembles of the BREM and SUP schemes can have smaller errors in most cases. However, there were also circumstances where BREM was less skillful than EMN, indicating that using a time-averaged error as model bias is not optimal. A new model bias estimation scheme of the biweight mean is introduced. Through minimizing the negative influence of singular errors, this scheme can obtain a more accurate model bias estimation and improve the BREM forecast skill. The application of the biweight mean in the bias calculation of SUP also resulted in improved skill. The results indicate that the modification of multi-model ensemble schemes through this bias estimation method is feasible. 相似文献
12.
基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。 相似文献
13.
利用多模式超级集合预报法,以欧洲中期天气预报中心、日本气象厅、德国气象局、中国气象局和中国空军气象中心共5个决定性7 d预报产品为集合成员,对2010年8月500 hPa高度场和850 hPa温度场分别进行固定训练期和滑动训练期超级集合预报。采用均方根误差和相关系数对超级集合预报、单一模式预报和简单集合平均预报进行对比检验,同时对各预报结果的均方根误差空间分布进行对比分析。结果表明:超级集合预报在所有预报结果中最佳,且滑动集合预报对8月后期时段预报要略好于固定集合预报,两者预报效果均好于参与集合预报的各模式,也好于集合平均预报。但随着预报时效的延长,集合平均预报的优势也随之提升。从预报结果均方根误差的空间分布可知,多模式超级集合预报相比于单一模式预报效果提高的区域,500 hPa位势高度场主要位于印度半岛、印度洋、青藏高原及以西地区,而850 hPa温度场则主要位于蒙古、青藏高原、中国新疆及以西地区。 相似文献
14.
集合预报在渤海极大风预报中的应用 总被引：1，自引：0，他引：1
利用2015年2月至2018年2月地面气象常规观测中逐小时极大风及欧洲中期天气预报中心集合预报中6 h极大风预报数据,选取渤海海域代表站点,对集合预报极大风产品进行预报误差特征分析。分析表明:集合预报极大风产品的离散度明显偏小于均方根误差,各个预报成员的预报结果集中与否并不能反映出预报可信度。受模式预报能力所限,无法简单通过集合预报选取出最为可信的预报结果。集合平均、第75%分位值、最大值在极大风预报中各有优劣,因此基于以上三个统计量及不同量级风速发生的频率建立了渤海极大风预报客观订正方法,试验对比分析表明,该订正方法可以使极大风预报准确率有效的提高,为大风天气过程预报提供重要参考。 相似文献
15.
This paper proposes a method for multi-model ensemble forecasting based on Bayesian model averaging (BMA), aiming to improve the accuracy of tropical cyclone (TC) intensity forecasts, especially forecasts of minimum surface pressure at the cyclone center (Pmin). The multi-model ensemble comprises three operational forecast models: the Global Forecast System (GFS) of NCEP, the Hurricane Weather Research and Forecasting (HWRF) models of NCEP, and the Integrated Forecasting System (IFS) of ECMWF. The mean of a predictive distribution is taken as the BMA forecast. In this investigation, bias correction of the minimum surface pressure was applied at each forecast lead time, and the distribution (or probability density function, PDF) of Pmin was used and transformed. Based on summer season forecasts for three years, we found that the intensity errors in TC forecast from the three models varied significantly. The HWRF had a much smaller intensity error for short lead-time forecasts. To demonstrate the proposed methodology, cross validation was implemented to ensure more efficient use of the sample data and more reliable testing. Comparative analysis shows that BMA for this three-model ensemble, after bias correction and distribution transformation, provided more accurate forecasts than did the best of the ensemble members (HWRF), with a 5%–7% decrease in root-mean-square error on average. BMA also outperformed the multi-model ensemble, and it produced “predictive variance” that represented the forecast uncertainty of the member models. In a word, the BMA method used in the multi-model ensemble forecasting was successful in TC intensity forecasts, and it has the potential to be applied to routine operational forecasting. 相似文献
16.
基于TIGGE资料, 采用均方根误差分别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英国气象局4个中心集合预报的地面气温场集合平均结果进行检验评估, 比较各中心地面气温的预报效果。并利用超级集合、多模式集合平均和消除偏差集合平均3种方法对4个中心的地面气温预报进行集成, 同时对预报结果进行分析。结果表明: 2007年夏季日本气象厅与欧洲中期天气预报中心在北半球大部分地区预报效果最好, 各中心在不同地区预报效果不同。超级集合与消除偏差集合平均降低了预报误差, 预报效果优于最好的单个中心预报和多模式集合平均。对于较长的预报时效, 消除偏差集合平均表现出了更好的预报性能。 相似文献
17.
18.
使用国家气候中心新一代大气环流模式BCC_AGCM2.0(T106L26)进行22 a夏季(6-8月)、11个成员的集合回报试验;针对500 hPa高度场、降水和气温的预测能力进行交叉检验,并计算其均方根误差.结果表明:模式对热带地区、海洋和欧亚大陆部分地区500 hPa高度场的模拟较好;对我国长江中下游、华南大部分地区降水的模拟具有一定可信度;2m温度距平在我国北方大部分地区呈现正相关且相关系数通过90％的信度检验,在南方地区则有待改善.集合预报效果好于单样本预报.模式分辨率的提高在一定程度上有助于改进预报效果. 相似文献
19.
基于传统增长模繁殖法(Breeding Growing Mode,BGM)和局地增长模繁殖法(Local Breeding Growing Mode,Local-BGM)生成初始扰动成员,对一次冷涡暴雨过程进行集合预报试验,从多方面比较两种方案的预报效果,并且在邻域概率法(Neighborhood Probability,NP)中引入时间邻域,评估概率预报结果。结果表明,引入局地化思想的Local-BGM方案能够生成比传统BGM方案更合理的初始扰动,具有很明显的局地特征。对于扰动变量的预报,Local-BGM方案在均方根误差和离散度等方面均表现更好,同时能够提高各量级降水的预报技巧。邻域集合概率法能够综合各个集合成员预报的降水信息得到优于集合平均的概率预报,分数技巧评分更高。并且在考虑时间不确定性后,无论是控制预报、集合平均还是邻域集合概率法,分数技巧评分均有很大改善,并且降水阈值越大改善效果越明显,能够为极端强降水天气提供较为客观的概率预报信息。 相似文献
20.
2003年江淮汛期多模式短期集合预报方法研究 总被引：8，自引：3，他引：5
利用AREM、MM5和WRF模式为试验模式,由对短期天气预报结果影响颇大的积云参数化方案和边界层方案构成15个集合预报成员,开展有限区域多模式短期集合预报在我国汛期时段的应用与研究.分别研究了单个模式集合预报和多模式集合预报在2003年汛期(7月)预报中的应用,预报对象主要包括降水、500 hPa位势高度和700 hPa相对湿度.试验结果表明:(1) 由AREM、MM5和WRF模式构成的多模式集合对以上要素的集合预报总体效果比其任一单个模式的集合预报效果好;(2) 对于降水的集合预报,单个模式的集合平均结果对多模式集合预报效果有影响.且对于不同的降水临界值影响不同;当降水临界值较小时,单模式集合平均结果对多模式集合效果影响较小;当降水临界值较大时,影响较大,甚至可以影响多模式集合的集合平均预报成败;(3) 对于降水、500 hPa位势高度和700 hPa相对湿度,其单个模式以及多模式的48 h集合预报对确定性预报的改善度都比24 h的显著.(4) 对于形势预报和相对湿度预报,多模式集合预报效果明显比同期T213模式的预报水平高. 相似文献