共查询到17条相似文献，搜索用时 125 毫秒
1.
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
2.
基于最大相关最小冗余度算法和随机森林回归算法,该文提出一种对欧洲中期天气预报中心（ECMWF）集合预报产品进行暴雨预报的释用方法。该方法采用最大相关最小冗余度算法,对ECMWF集合预报的51个成员进行筛选,选取若干个与预报对象相关性最大、相互间冗余度最小的成员作为随机森林回归算法的输入因子。利用ECMWF集合预报降水量平均值对建模样本进行分类,使预报模型的建模样本更具有针对性。通过2012年4月—2015年12月的交叉独立样本试验预报和2016年1—9月的业务预报试验的统计结果表明:该释用方法的暴雨预报TS和ETS评分,均比采用ECMWF集合预报产品51个成员降水量预报进行插值后取平均值的释用方法分别提高了0.07和0.05以上,显示了较好的数值预报产品释用效果。 相似文献
3.
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。 相似文献
4.
ECMWF集合预报和确定性预报对淮河流域暴雨预报的对比分析 总被引：7，自引：6，他引：1
本文运用2012年5—9月欧洲中期天气预报中心(ECMWF)的集合预报系统(Ensemble Prediction System,EPS)和确定性模式(High-resolution Deterministic forecast,HDet)资料对比分析了淮河流域暴雨的预报效果。对于集合预报,主要对比了基于EPS的日降水量极端天气预报指数(Extreme Forecast Index,EFI),和改进的贝叶斯模型平均(Modified Bayesian Model Averaging,MBMA)法对降水的订正后概率。由于ROC(Relative Operating Characteristic)检验是与模式的系统性偏差无关的,所以选用ROC检验,对比了不同空报率下的TS评分,以及不同方法的相对经济价值。对比检验的结果显示,各时效预报MBMA预报效果最好,其次是HDet,EFI的预报效果最差,其中2 d内的预报HDet接近MBMA,随着预报时效的延长,MBMA相对于HDet和EFI的优势不断增强。在不同标准下确定三种方法对淮河流域暴雨预报的阈值,结果显示MBMA同样优于HDet,EFI预报效果最差。但MBMA的优势是通过增加预报偏差得到,如果将预报偏差限定为主观预报的1.37,此时MBMA的效果和HDet的效果接近。 相似文献
5.
基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜. 相似文献
6.
应用国家基本观测站资料,基于MET系统的客观统计检验方法,针对24h降水分别评估SWCWARMS模式、GRAPES模式和ECMWF模式对2017～2019年5～10月四川地区汛期预报能力,得到如下几点结论:(1)SWCWARMS模式小到大暴雨降水范围大于实况,GRAPES模式小到暴雨降水范围大于实况、大暴雨多漏报,ECMWF模式小雨和中雨降水范围大于实况、大到大暴雨多漏报,三个模式无降水或微量降水均少于实况。(2)ECMWF模式对四川雨季小到大雨预报能力优于SWCWARMS和GRAPES模式,SWCWARMS模式在部分时次上暴雨和大暴雨预报优于ECMWF模式,GRAPES模式TS评分略偏低。(3)GRAPES模式在2018年秋季开始中雨及以上量级降水预报上改善大于SWCWARMS和ECMWF模式,SWCWARMS模式2019年空报较2017年和2018年显著降低;3个模式在小雨和中雨预报上不相上下,GRAPES模式优势在2019年大雨和暴雨预报上,ECMWF模式优势在2017年秋季和2018年初夏大雨预报上,SWCWARMS模式大雨和暴雨预报能力介于二者之间。(4)ECMWF和SWCWARMS模式川东预报优于川西,GRAPES模式川西预报优于川东;三个模式存在不同程度空报,川东地区空报略多于川西,其中ECMWF模式空报最多。 相似文献
7.
《湖北气象》2018,(5)
利用2013年11月—2014年11月ECMWF全球集合预报的51个成员降水预报资料和湖北省78个国家气象站逐日降水实况,对集合平均值、分位值、概率匹配平均值、众数(Mode值)等10种集合统计量在湖北省不同预报分区内的降水预报效果分别进行检验评估。在此基础上,采用在不同降水量级上选取TS评分最优的集合统计量的原则,设计出适用湖北降水预报的最佳集合统计量集成方案,并检验了该方法在2015年和2016年6—8月湖北降水预报的应用效果。结果表明:将集合统计量集成法应用于湖北降水预报时,集合统计量集成方案应随着预报分区的改变而改变;改进后的ECMWF集合统计量集成方案对湖北72 h内大雨及以上降水预报的TS评分均有不同程度的提高,且空报率和漏报率总体上有所降低;与ECMWF确定性预报相比,ECMWF集合统计量集成预报产品对湖北24 h内各降水量级的预报均优于ECMWF确定性预报,且对湖北72 h内的暴雨预报准确率均高于ECMWF确定性预报。 相似文献
8.
本文以2013—2015年主要登陆台风暴雨过程为研究对象,利用ECMWF降水和台风路径集合预报以及中央气象台实时业务台风中心定位资料,在统计分析的基础上,提出一种业务上可用的针对单模式集合预报的台风降水实时订正技术(简称集合成员优选技术)。结果表明,在登陆台风暴雨过程预报中,集合成员优选技术对改进集合统计量降水产品有明显的帮助,并较ECMWF确定性预报产品有一定优势;该方法对改进短期时效预报产品的效果优于中期时效预报,对大暴雨评分的改进高于暴雨和大雨评分。另外,本文基于概率匹配平均(Probability Matching average,PM)和融合(FUSE)产品的计算原理,提出融合匹配平均(Fuse Matching average,FM)产品,结果表明,对36 h时效预报,优选10~15个成员的PM产品TS(Threat Scores)评分可达最优,大暴雨评分较确定性预报提高近10%;对60和84 h时效预报,FM产品大暴雨评分较确定性预报提高超过20%。 相似文献
9.
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
10.
基于站点观测资料和四个数值模式预报资料,以2011—2012年汛期(6—8月)为例,评估四个模式对淮河流域15个子单元客观面雨量预报效果。这四个模式为欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,简称ECMWF)全球模式、日本气象厅(Japan Meteorological Agency,简称JMA)全球模式、安徽省气象台业务中尺度模式MM5(Mesoscale Model Version 5)和WRF(Weather ResearchForecasting)。15个子单元面雨量预报值采用网格算术平均法计算,面雨量实况值采用泰森多边形法计算。检验评估采用平均绝对误差、模糊评分、正确率以及TS评分。检验评估结果表明:1)ECMWF预报效果整体上优于其他模式,尤其是在小雨到大雨等级优势明显;JMA、MM5以及WRF的预报效果依次降低。2)各模式预报效果均表现出随降水等级(小雨、中雨、大雨、暴雨)增大而下降的趋势。3)随预报时效(24、48、72 h)延长,各模式预报效果逐渐下降。4)分析典型个例发现,ECMWF、JMA及WRF对于24 h预报时效的强、弱降水过程,预报效果存在较明显差异,对于强降水过程预报等级偏小;MM5对于强、弱过程预报等级均有所偏大。 相似文献
11.
2011年长江中下游梅雨期强降水延伸期集合预报性能初探 总被引：4，自引：3，他引：1
针对2011年长江中下游旱涝转换时期的环流形势、强降雨期间的四次强降雨过程对欧洲中心集合预报进行了预报性能初步分析。结果表明：集合平均预报对延伸期预报时效内的大尺度环流调整具有较好的预报性能,预报提前时效可达10~15 d。对强降水过程期间主要影响系统的预报在不同预报时效具有较好的稳定性。随着预报时效的临近,集合预报各个成员对天气系统预报的发散度逐渐减小。长江中下游强降水的发生与低层850 hPa较大的风速有密切关联,集合预报给出的延伸期预报时效内大风速出现的小概率预报信息是有意义的,可以为延伸期强降雨过程预报提供参考。 相似文献
12.
基于集合预报的四川夏季强降水订正试验 总被引：4，自引：2，他引：4
四川历来多暴雨洪涝,然而其发生具有很多不确定的因素,预报难度很大。从观测与模式预报的累积概率密度函数角度出发,利用2007—2012年6—8月中国降水观测格点资料和2012—2013年6—8月ECMWF模式集合预报资料,探索了一种提高四川地区强降水预报准确率的方法——概率阈值订正法,并运用该方法对2012年6—8月盆地东部的降水过程进行批量试验。试验结果表明:订正后的模式预报相比订正前的预报而言,不仅强降水落区更接近实况,而且较大程度地延长了预报时效,能提前6~7天给出强降水过程的警示信息,经过订正后显著提升了ECMWF模式的降水预报水平。 相似文献
13.
尽管确定性预报不是集合预报系统(EPS)的主要目的和应用方向,但其每一个成员的预报表现决定了集合预报系统的预报性能,集合平均也是实际预报业务的一个重要参考指标。为此,利用2013~2015年5~10月的欧洲中期天气预报中心(ECMWF)集合预报系统的降水预报资料,CMORPH(NOAA Climate Prediction Center Morphing Method)卫星与全国3×10~4余个自动气象观测站的逐小时降水量融合资料,研究ECMWF集合预报系统对秦岭周边地区逐日降水的控制预报、成员预报、集合平均的预报能力,并探索提高降水集合平均预报性能的有效方法。主要结论如下:(1)无论是集合平均还是控制预报,整体上都较好的刻画了秦岭周边地区降水的空间形态,比较而言,控制预报能够更好的表现了降水的方差变化。(2)泰勒分析表明,集合平均的降水方差随预报时效增加单调减小,控制预报的方差变化随预报时效的增长振荡较小,其相关系数略优于集合平均。(3)技巧评分表明,集合平均使小雨(降水发生频次)的预报偏差显著增加,增大了空报率;使大雨以上的降水预报偏差减小,增大了漏报率,从而使得大多数情况下,集合平均TS(Threat Score)、ETS(Equitable Threat Score)评分低于控制及扰动成员预报。分析认为这主要是由于降水这一要素的偏态分布特性引起的。(4)集合平均的显著贡献在于能够较好的指示可能发生降水的空间位置。通过阈值限定,调整预报偏差,减少(增大)其对小雨(暴雨)的预报频率,能够使集合平均的TS、ETS评分大幅度提升,预报技巧显著优于成员预报和控制预报。目前,预报偏差Bias订正方法已成功应用于陕西省精细化格点预报系统中。 相似文献
14.
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。 相似文献
15.
利用重庆地区34个国家气象站降水资料和ECMWF集合预报降水资料,系统检验和评估了集合预报统计量产品及后处理技术产品对2014—2016年5—9月重庆暴雨的预报性能。结果表明:集合统计量产品中最大值、90%分位数、融合产品、概率匹配平均、75%分位数对暴雨预报有一定参考性,其中90%分位数和融合产品对暴雨落区预报较好,最大值对暴雨强度预报有一定指示意义,但表现为明显的湿偏差。集合预报后处理技术产品的暴雨TS评分较控制预报和集合平均有明显提高,其中概率预报、最优百分位、融合—概率匹配、频率匹配法的暴雨TS评分超过最大值,对暴雨强度预报具有较好的指导意义,其预报偏差均表现为湿偏差,融合—概率匹配和频率匹配法对暴雨落区预报较好,概率匹配—融合对降低暴雨空报率较好。 相似文献
16.
利用2012—2015年5—8月欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)集合预报在海河流域的17个降水统计量产品与对应降水实况的TS评分检验结果,设计了适合该地区的多种统计量融合技术改进方案,并对新方案进行试验评估。4个月(2016年5—8月)的逐日试验分析结果显示:对于36 h预报时效,与国家气象中心下发的产品相比,改进后的融合产品在5个降水量级的TS评分上均有一定程度提高,降低了暴雨以下量级降水的漏报率,同时消除了大暴雨的虚报区;对于60 h和84 h预报时效,改进后的产品对大雨及以下量级降水的TS评分均有所提高,降低了大雨及以下量级降水的漏报率。新方案更符合海河流域夏季降水特点,提高了该地区降水预报准确率。 相似文献
17.
-WRF多模式集合3组试验,对比分析混合集合预报法与传统方法的降水预报效果。结果表明:ARPS模式集合改善了广东省南部局地强降水预报,该方法在中雨、大雨、暴雨量级改进效果显著。WRF模式集合对广东省北部强降水预报优于ARPS模式集合,但空报、漏报率较大,该方法有一定局限性。ARPS-WRF多模式集合在降水落区和量级预报上均优于传统方法。混合集合预报法利用低分辨率 (36 km) 集合预报和高分辨率 (12 km) 控制预报实现了高分辨率 (12 km) 集合预报,改善了降水预报效果,该方法可为业务高分辨率集合预报提供参考。 相似文献