共查询到19条相似文献,搜索用时 93 毫秒
1.
延伸期温度预报误差订正技术初探 总被引:1,自引:0,他引:1
应用滑动平均误差订正方法和历史偏差订正方法,对欧洲中期天气预报中心的数值模式延伸期2 m温度预报进行误差订正。研究发现,应用滑动平均误差订正方法进行11~15 d逐日温度预报订正时,25~30 d是最优的训练期长度。对2018年订正预报的检验分析显示,应用上述两种误差订正方法均可减小模式预报的系统偏差,有效修正模式温度预报较实况明显偏低的问题,并将预报准确率提高30%以上。在6—10月,订正后的温度预报平均绝对误差基本在2℃以内,具有一定的参考性,其业务化产品可支撑预报员的业务预报需求。在15 d内的延伸期预报时效上,两种订正方法对温度预报的订正效果差异并不明显。随着时效的延长,历史偏差订正方法的优势逐渐显现。 相似文献
2.
基于集合预报系统的日最高和最低气温预报 总被引:1,自引:0,他引:1
根据欧洲中心集合预报系统2 m气温预报的集合统计值,提出了BP-SM方法,针对中国512个台站2016年3月的日最高(低)气温做预报分析。将集合预报系统的模式直接输出、BP和BP-SM方法得到的日最高(低)气温进行了比较,结果表明:预报时效越长,BP-SM方法较之BP方法的预报优势也更明显;在1至5 d的预报中,BP-SM方法显著降低了预报绝对误差,误差在2℃以内的准确率大部分在60%以上,部分站点达到90%;正技巧评分均值大多高于30%,在青藏高原东部和南部地区超过了60%。预报正技巧站点次数在绝对误差≤2℃(1℃)范围内有所提高,对日最高气温预报准确率的提高略好于日最低气温;BP-SM方法有效地降低了预报系统偏差,较大预报误差出现次数显著减少。 相似文献
3.
针对镇江ECMWF模式168 h内高温(t≥35℃)预报结果提出四种后处理订正方案,包括一元线性回归法、差值法、综合法和递减平均法;借助均方根误差等四种检验方法就订正效果进行评估,找寻最优订正方案。结果表明,四种订正方法都明显改善了ECMWF模式高温预报,订正后的均方根误差、平均绝对误差及最大绝对误差较订正前均有所减小,预报准确率显著提高。对于24 h时效内预报,四种订正方法各有优势。对于48~168 h时效预报,一元线性回归法效果更优。采用分时效对ECMWF模式高温预报结果进行后处理,考虑24 h预报订正使用递减平均方法,48~168 h预报订正使用一元线性回归法,可以更大程度地提高预报准确率。 相似文献
4.
几种格点化温度滚动订正预报方案对比研究 总被引:1,自引:1,他引:0
为了快速获得更为精准的格点温度预报产品,使用国家信息中心高分辨率、高频次的温度格点多元融合产品和欧洲中期天气预报中心全球模式2 m温度预报场资料,采用8种误差订正方案进行滚动订正预报试验。选择2017年1月1日至2月28日和6月1日至7月31日两个时间段进行两次回报模拟试验,并对订正前后的预报结果进行格点和站点检验分析,结果表明:8种方案对模式直接输出的预报场有正技巧订作用,全格点滑动误差回归模型订正和全格点滑动双因子回归模型订正效果最优,两种方案都能使订正场的格点平均绝对误差在2℃以下,3、6和9 h的格点准确率均在0.9以上。全格点滑动误差回归模型的检验评分略微好于全格点滑动双因子回归模型,表明作为预报模型因子的起报时刻误差场比数值模式因子在短期订正中扮演着更为重要的角色。 相似文献
5.
利用7d固定误差订正和滑动误差订正方法对2014年冬季辽宁地区中尺度业务模式2m温度预报产品插值结果进行订正,并将订正结果与中央气象台MOS预报进行对比,分析MOS、7d固定误差订正和滑动误差订正3种数值模式后处理方法对辽宁地区冬季温度预报准确率的影响。结果表明:经过两种误差订正后的预报结果准确率均比数值模式预报插值结果高,滑动误差订正效果优于7d固定误差订正;24h最高气温预报中,滑动误差订正结果的准确率最高;最低气温预报中,08时滑动误差订正结果准确率高于中央气象台MOS预报,但20时滑动误差订正结果准确率低于MOS预报。滑动误差订正需1—15d的资料积累,比MOS方法所需资料少且操作简单,适合观测资料积累少的地区开展数值模式的温度订正。 相似文献
6.
使用欧洲中期天气预报中心(ECMWF)的20年集合预报回算数据,检验分析了延伸期第16天至第30天预报时效其对我国日最高气温的预报性能。结果表明,西部地区预报误差明显大于中东部地区。全国平均而言,模式预报较实况偏低1.1℃~1.39℃,均方根误差为4.6℃~4.9℃。进一步分析指出,第16天均方根误差最小、且随着时效的延长其略有增大。夏季模式预报效果最好,春季和秋季的部分时段预报效果较差。基于历史偏差订方法,本文还对2018年6月至2019年6月的日最高气温预报进行了误差订正试验。结果显示,订正后的预报准确率提升了15.2%~19.2%。聚焦2018年7月的一次中东部地区大范围高温过程,模式原始预报明显低估了高温强度,订正预报更接近实况,显示其具有一定的订正效果。 相似文献
7.
基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的预报准确率,随着预报时效的延长,订正能力逐渐减弱。技巧评分与模式对气温的预报能力有显著的负相关关系,秦岭及其以南地区的日最高气温预报和秦岭以北地区的日最低气温预报的准确率偏低,其技巧评分一般超过40%,极大值超过70%。两种方法都有效降低了系统误差,较小误差范围的站次增多,较大误差范围的站次减少,对日最高气温在预报绝对误差≤2℃误差范围的订正能力较为突出,对日最低气温在预报绝对误差≥3℃误差范围的订正更有优势。一元线性回归法对日最高气温预报的订正能力略优于递减平均法,对日最低气温预报的订正能力不及递减平均法,利用这两种方法对气温预报进行混合订正的效果更佳。 相似文献
8.
采用一元线性方法建立南海台风模式CMA-TRAMS地形高度偏差和地面气温预报误差的回归关系,分别开展不分级、高度偏差分级和地面气温误差分级的三种订正方法的研究,并进行订正效果评估。结果表明,模式地面气温预报误差与地形高度偏差总体呈负的线性相关关系,地面气温预报绝对误差随地形高度偏差绝对值增大而增大(对模式地形高度偏低站点尤为明显),但不同时刻地面气温预报误差特征表现不同,模式对地形高度偏高(即模式地形高于测站高度)和地形高度偏差小于50 m的站点,06时地面气温(世界时,下同)预报总体偏低,对地形高度偏低大于50 m的站点(即模式地形低于测站高度),06时地面气温预报总体偏高;而无论站点地形高度偏差如何,模式对18时地面气温预报总体偏高。三种订正方法中地面气温误差分级法能有效地减小地面气温预报误差,该方法订正后的分析场准确率可达96%~99%,12~48小时时效预报场准确率总体可提升至90%以上,该方法具有回归关系稳定、效果显著、适用性广、简单易行等特点。 相似文献
9.
基于德国天气在线T7online(简称T7)、ECMWF细网格(简称EC)及T639三种数值模式的气温预报产品,结合本溪站气象观测资料,对三种数值模式2014年1月至2015年12月本溪市气温预报的准确率及预报误差进行了检验和分析,根据误差分析结果利用BP神经网络模型建立了本溪市数值模式气温预报误差客观化订正模型。结果表明:对于气温预报的年检验,T7、EC和T639三种数值模式的最低气温预报准确率均高于最高气温的预报准确率;对于气温预报的月检验,三种数值模式对夏季、秋季最低气温的预报效果明显优于冬季和春季,而对于最高气温的预报,T7的气温预报准确率明显优于EC和T639模式;当气温波动较大时,三种数值模式气温的预报准确率均明显下降。三种数值模式对最低气温预报的平均误差均为2.00℃以内,对最高气温的预报准确率存较大差别,T7模式最高气温的预报误差最小,T639模式气温预报的系统偏差最明显,最低气温系统偏差为-1.34℃,最高气温系统偏差为-2.87℃。根据三种数值模式气温预报误差的特征,结合BP神经网络建立本溪市气温误差预报模型对数值模式气温预报结果进行订正,订正后气温平均绝对误差由2.40℃左右降至1.40℃左右,系统偏差和均方根误差均明显缩小,气温预报准确率由50%左右提高至80%以上,数值模式气温预报准确率明显提高,具有较好的应用价值。 相似文献
10.
《干旱气象》2017,(3)
利用2014年9月—2015年8月环境保护部对外发布的兰州市6种污染物实况监测数据,对同时期CUACE模式的24 h预报结果进行误差分析,并通过误差滚动线性回归订正方法进行检验订正。结果表明:(1)兰州市的首要污染物以PM10为主,其次是PM_(2.5);(2)CUACE模式对SO2的预报及对O_3、NO_2、PM_(2.5)和PM_(10)预报为2级时,等级预报准确率较高,预报结果可直接使用;(3)模式对O_3和CO预报1级时,采用10 d误差滚动订正后等级预报准确率可提高1.1%~5.5%;(4)模式预报其它要素的其它级别时采用5 d或10 d误差滚动订正后再加上或减去一定值后,等级预报准确率可提高8.7%~75%。 相似文献
11.
使用TIGGE (the THORPEX interactive grand global ensemble)资料集下欧洲中期天气预报中心(the European Centre for Medium-Range Weather Forecasts,ECMWF)逐日起报的预报时效为24~168 h的日降水量集合预报资料,集合预报共包括51个成员,利用左删失的非齐次Logistic回归方法(left-Censored Non-homogeneous Logistic Regression,CNLR)和标准化的模式后处理方法(Standardized Anomaly Model Output Statistics,SAMOS)对具有复杂地形的中国东南部地区降水预报进行统计后处理。结果表明:采用CNLR方法能够有效改进原始集合预报的平均绝对误差(Mean Absolute Error,MAE)和连续分级概率评分(Continuous Ranked Probability Score,CRPS),提升了降水的定量预报和概率预报的预报技巧。而使用SAMOS方法对数据进行预处理,考虑地形等因素的影响,能在CNLR方法的基础上进一步订正由于地形影响造成的预报误差,并得到更加准确的全概率的降水概率预报。 相似文献
12.
基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。 相似文献
13.
集成方法有利于提高降水要素预报的准确性和可预报性。本文基于格点实况资料和智能网格预报、西南区域数值预报、ECMWF模式预报、GRAPES模式预报产品,以面雨量为研究对象,采用多元回归法、BP神经网络法、评分权重法、加权集成预报法和算术平均法,得到集成面雨量预报,再运用平均绝对误差、模糊评分、正确率、TS评分、偏差分析等方法,对2020年4—10月金沙江下游面雨量预报效果进行对比分析。结果表明:多元回归集成法和BP神经网络法的预报效果总体上优于其他几种集成方法。在考虑流域面雨量的预报量级时,下游可以采用预报量级较小的模式和集成方法。集成后偏差百分比均有降低,且多元回归法和BP神经网络法对预报量级较小的模式有矫正作用。在面雨量有无、小雨和中雨预报中,多元回归法集成效果较好,在大雨量级预报中,BP神经网络法集成效果较好。这些结论可为流域面雨量预报提供参考借鉴。 相似文献
14.
15.
The limits of predictability of El Niño and the Southern Oscillation (ENSO) in coupled models are investigated based on retrospective forecasts of sea surface temperature (SST) made with the National Centers for Environmental Prediction (NCEP) coupled forecast system (CFS). The influence of initial uncertainties and model errors associated with coupled ENSO dynamics on forecast error growth are discussed. The total forecast error has maximum values in the equatorial Pacific and its growth is a strong function of season irrespective of lead time. The largest growth of systematic error of SST occurs mainly over the equatorial central and eastern Pacific and near the southeastern coast of the Americas associated with ENSO events. After subtracting the systematic error, the root-mean-square error of the retrospective forecast SST anomaly also shows a clear seasonal dependency associated with what is called spring barrier. The predictability with respect to ENSO phase shows that the phase locking of ENSO to the mean annual cycle has an influence on the seasonal dependence of skill, since the growth phase of ENSO events is more predictable than the decay phase. The overall characteristics of predictability in the coupled system are assessed by comparing the forecast error growth and the error growth between two model forecasts whose initial conditions are 1 month apart. For the ensemble mean, there is fast growth of error associated with initial uncertainties, becoming saturated within 2 months. The subsequent error growth follows the slow coupled mode related the model’s incorrect ENSO dynamics. As a result, the Lorenz curve of the ensemble mean NINO3 index does not grow, because the systematic error is identical to the same target month. In contrast, the errors of individual members grow as fast as forecast error due to the large instability of the coupled system. Because the model errors are so systematic, their influence on the forecast skill is investigated by analyzing the erroneous features in a long simulation. For the ENSO forecasts in CFS, a constant phase shift with respect to lead month is clear, using monthly forecast composite data. This feature is related to the typical ENSO behavior produced by the model that, unlike the observations, has a long life cycle with a JJA peak. Therefore, the systematic errors in the long run are reflected in the forecast skill as a major factor limiting predictability after the impact of initial uncertainties fades out. 相似文献
16.
Yuejian ZHU 《大气科学进展》2005,22(6):781-788
Ensemble techniques have been used to generate daily numerical weather forecasts since the 1990s in numerical centers around the world due to the increase in computation ability. One of the main purposes of numerical ensemble forecasts is to try to assimilate the initial uncertainty (initial error) and the forecast uncertainty (forecast error) by applying either the initial perturbation method or the multi-model/multiphysics method. In fact, the mean of an ensemble forecast offers a better forecast than a deterministic (or control) forecast after a short lead time (3-5 days) for global modelling applications. There is about a 1-2-day improvement in the forecast skill when using an ensemble mean instead of a single forecast for longer lead-time. The skillful forecast (65% and above of an anomaly correlation) could be extended to 8 days (or longer) by present-day ensemble forecast systems. Furthermore, ensemble forecasts can deliver a probabilistic forecast to the users, which is based on the probability density function (PDF) instead of a single-value forecast from a traditional deterministic system. It has long been recognized that the ensemble forecast not only improves our weather forecast predictability but also offers a remarkable forecast for the future uncertainty, such as the relative measure of predictability (RMOP) and probabilistic quantitative precipitation forecast (PQPF). Not surprisingly, the success of the ensemble forecast and its wide application greatly increase the confidence of model developers and research communities. 相似文献
17.
使用INCA(Integrated Nowcasting through Comprehensive Analysis)多源资料融合分析和短临外推预报系统的预报结果作为气象强迫场,驱动一路面温度理论预报模型(Model of the Environment and Temperature of Roads,METRo),开展江苏省高速公路夏季路面高温预报试验,并使用公路沿线逐小时的路面温度观测资料对预报结果进行检验。结果表明:该预报方法能够较好地预报出高速公路沿线日最高路面温度的逐日变化趋势,以及日最高路面温度的大范围空间分布特征。平均日最高路面温度预报绝对偏差为4.1℃,平均相对偏差为10.8%。其中,日最高路面温度预报绝对偏差在5℃以内的站次占总数的64.5%,相对偏差在15%以内的站次占总数的74.6%,比常规业务预报方法分别提高了23.1%和25.3%。但该预报方法对较小的温度波动以及局地性较强的极端温度分布特征的预报技巧还需进一步提高。 相似文献
18.
本文以变化比较激烈的高温日数为对象,通过加权叠加、周期波动以及尺度比较等理论分析提出一种短期气候预测观点,即长周期波动可用当地前期各种气象要素的长周期波动的某种函数表示,而短周期波动依然与大范围周边环境因子的变化有关。采用功率谱分析、逐步回归、方差分析等常用统计手段和二项式平滑方法,建立长周期波动和波动偏差比的预报方程,在此基础上得到高温日数的预报方程。应用该方法对合肥地区的高温日数进行了预测试验,利用滚动预报得到13个预报样本。在13个试测样本中,有11个样本试测较为准确,试测准确率达到84.6%。在试测不准确的2个样本中,误差有5~6d,而且它们出现在高温日数相对较多的年份,因此试测效果令人满意。 相似文献
19.
在遗传算法和粒子群算法的基础上,采用权重分配方法开展基于混合演化算法的多模式气温集成预报方法研究。利用2012年5—10月中国气象局GRAPES模式、北京市气象局BJ-RUC模式、中国气象局T639模式、天津市气象局TJWRF模式24 h预报时效的逐6 h地面2 m高度气温和35个天津区域自动气象站点资料,通过逐日滚动建立集成预报模型,对混合演化算法的多模式气温集成预报方法进行了绝对误差在2℃以内的分级、分类及分站检验分析。结果表明:使用该方法建立的气温集成预报模型具有比较可靠的预报能力,预报误差明显小于任一成员,预报准确率高。按绝对误差不大于2℃的检验标准,2012年35个站逐6 h气温、最低气温、最高气温的集成预报平均准确率分别为76.34%,77.88%,78.00%。 相似文献