Properties of High-Order Finite Difference Schemes and Idealized Numerical Testing     

Daosheng XU  Dehui CHEN  Kaixin WU 《大气科学进展》2021,38(4):615-626

Construction of high-order difference schemes based on Taylor series expansion has long been a hot topic in computational mathematics, while its application in comprehensive weather models is still very rare. Here, the properties of high-order finite difference schemes are studied based on idealized numerical testing, for the purpose of their application in the Global/Regional Assimilation and Prediction System(GRAPES) model. It is found that the pros and cons due to grid staggering choices diminish with higher-order schemes based on linearized analysis of the one-dimensional gravity wave equation. The improvement of higher-order difference schemes is still obvious for the mesh with smooth varied grid distance. The results of discontinuous square wave testing also exhibits the superiority of high-order schemes. For a model grid with severe non-uniformity and non-orthogonality, the advantage of high-order difference schemes is inapparent, as shown by the results of two-dimensional idealized advection tests under a terrain-following coordinate. In addition, the increase in computational expense caused by high-order schemes can be avoided by the precondition technique used in the GRAPES model. In general, a high-order finite difference scheme is a preferable choice for the tropical regional GRAPES model with a quasi-uniform and quasi-orthogonal grid mesh.  相似文献   

基于卷积神经网络的逐时降水预报订正方法研究     

陈锦鹏  冯业荣  蒙伟光  文秋实  潘宁  戴光丰 《气象》2021,(1):60-70

应用2017—2018年5—9月福建省观测资料对华南区域中尺度模式(GTRAMS-3 km-RUC)预报进行站点检验,建立和训练基于卷积神经网络的逐时降水分级订正模型,并与频率匹配法进行2017—2018年测试集的对比试验和2019年数据集的模拟业务检验,探讨了试验过程中遇到的样本不均衡、特征变量选取以及模型过拟合问题。结果表明:模式对于15 mm·h-1以上降水的预报能力弱,各订正方法对原始预报均有不同程度的改进作用。从评估指标来看,基于卷积神经网络的订正方法比频率匹配法表现出优势,其中相关系数判别方案下的网络模型对强降水预报的订正效果显著优于其他方法;在输入特征变量选取方面,应用主成分分析方案的模型训练收敛速度比相关系数判别方案更快,最佳训练期有所提前,但也更早进入严重的过拟合状态,而相关系数判别方案能够使网络模型的训练拥有更长的提升期以达到更具“潜力”的状态;基于卷积神经网络的订正方法对减少分类降水预报的漏报率、晴雨和弱降水预报的空报率具有显著作用,其优化程度明显超过频率匹配法。  相似文献   

基于卷积神经网络的雷电临近预警模型     

张烨方  冯真祯  刘冰 《气象》2021,(3):373-380

从研究人工智能雷电临近预警模型的目的出发,以卷积神经网络模型为基础,结合多个时间序列的雷达产品(组合反射率、液态水含量、回波顶高)与闪电数据,对雷电临近预报方法进行基于卷积神经网络结构的应用,以福建省2017—2018年雷达、闪电数据为样本完成了模型的训练与预测研究。训练结果显示,15~30 min模型训练样本测试集准确率为0.7985;选取福建省2019年20个雷电过程验证分析表明,15~30 min模型对动力抬升型雷电过程预警TS评分为0.716,夏季局地热雷暴预警TS评分为0.694,与常规采用雷达、闪电阈值控制的雷电预警算法相比,准确率有一定的提高,具有一定的实践意义。  相似文献   

高阶非线性系统自适应模糊有限时间状态约束控制     

范彦丽  李永明  佟绍成 《南京气象学院学报》2021,13(1):79-86

针对一类具有状态约束的非严格反馈高阶非线性系统,研究一种自适应模糊有限时间跟踪控制问题.首先,利用模糊逻辑系统逼近不确定性非线性函数,在此基础上,采用障碍Lyapunov函数,解决状态约束问题,通过障碍加幂积分方法和反步递推技术,提出了一种有限时间控制设计方法.在有限时间Lyapunov稳定意义下,严格证明闭环系统半全局实际有限时间稳定且系统的状态不超出给定的约束边界,并实现了有限时间跟踪控制目标.最后,仿真研究进一步验证了所提出控制方法的有效性.  相似文献   

Annual Frequency of Tropical Cyclones Directly Affecting Guangdong Province:Prediction Based on LSTM-FC     

胡娅敏  陈韵竹  何健  刘圣军  闫文杰  赵亮  汪明圣  李芷卉  王娟怀  董少柔  刘新儒 《热带气象学报(英文版)》2022,28(1):45-56

Tropical cyclone (TC) annual frequency forecasting is significant for disaster prevention and mitigation in Guangdong Province. Based on the NCEP-NCAR reanalysis and NOAA Extended Reconstructed global sea surface temperature (SST) V5 data in winter, the TC frequency climatic features and prediction models have been studied. During 1951-2019, 353 TCs directly affected Guangdong with an annual average of about 5.1. TCs have experienced an abrupt change from abundance to deficiency in the mid to late 1980 with a slightly decreasing trend and a normal distribution. 338 primary precursors are obtained from statistically significant correlation regions of SST, sea level pressure, 1000hPa air temperature, 850hPa specific humidity, 500hPa geopotential height and zonal wind shear in winter. Then those 338 primary factors are reduced into 19 independent predictors by principal component analysis (PCA). Furthermore, the Multiple Linear Regression (MLR), the Gaussian Process Regression (GPR) and the Long Short-term Memory Networks and Fully Connected Layers (LSTM-FC) models are constructed relying on the above 19 factors. For three different kinds of test sets from 2010 to 2019, 2011 to 2019 and 2010 to 2019, the root mean square errors (RMSEs) of MLR, GPR and LSTM-FC between prediction and observations fluctuate within the range of 1.05-2.45, 1.00-1.93 and 0.71-0.95 as well as the average absolute errors (AAEs) 0.88-1.0, 0.75-1.36 and 0.50-0.70, respectively. As for the 2010-2019 experiment, the mean deviations of the three model outputs from the observation are 0.89, 0.78 and 0.56, together with the average evaluation scores 82.22, 84.44 and 88.89, separately. The prediction skill comparisons unveil that LSTM-FC model has a better performance than MLR and GPR. In conclusion, the deep learning model of LSTM-FC may shed light on improving the accuracy of short-term climate prediction about TC frequency. The current research can provide experience on the development of deep learning in this field and help to achieve further progress of TC disaster prevention and mitigation in Guangdong Province.  相似文献   

基于深度学习的天气雷达回波序列外推及效果分析     

黄兴友  马玉蓉  胡苏蔓 《气象学报》2021,79(5):817-827

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。   相似文献   

基于智能物联网技术的天津城市积水监测预警系统     

侯天宇  梁好  霍凯  赵敏  陈子煊  张春莉  苑超 《气象研究与应用》2021,(1):85-89

通过智能物联网技术实时获取积水监测实况数据,利用天津市气象精细化格点预报产品和城市自动雨量观测站实况数据,以机器学习、神经网络模型和天津市城市内涝风险等级划分原理为基础,研究基于用户实时位置的城市内涝预报预警技术,研发天津市城市自动化积水监测预警系统。结果表明,该系统具备一定的城市内涝风险监测预警预报能力,并在2018—2020年多次重大天气过程中应用,积水深度预报结果与监测结果基本一致,应用数据表明验证结果良好,系统可以为政府防灾减灾决策、指挥调度提供精准、及时的气象数据支撑。  相似文献   

基于遗传—神经网络方法的广西台风灾害评估模型研究     

李艳兰  金龙  史旭明  陈丹 《气象与环境学报》2021,37(3):139-144

选取1981—2018年影响广西且灾情记录比较完整的86个台风样本,基于台风灾害伤亡人数、直接经济损失划分灾情等级,选取致灾因子,利用遗传算法与神经网络相结合的方法建立广西台风灾害评估模型。结果表明：选取的台风灾害致灾因子与台风灾情等级之间具有显著的相关性,构建的遗传—神经网络集合预报模型对台风灾情预估效果较好,训练样本拟合一致率为86.1%,测试样本预报准确率为71.4%,其中严重和较重的台风灾情等级预报结果与实况基本一致,较轻等级的预报准确率达83.3%。  相似文献   

2022年1月8日门源6.9级地震山东地震台网测定面波震级对比分析     

石玉燕  张春鹏  颜启  苗庆杰 《地震地磁观测与研究》2022,43(4):1-7

通过对山东地震台网记录的2022年1月8日门源M_S 6.9地震原始波形进行分析,测算出88个测震台站的M_S、M_S7、M_S(BB)等3种面波震级,并与中国地震台网速报和青海区域地震台网编目测定结果进行对比分析。结果表明：①山东地震台网测定门源M_S6.9地震的面波震级M_S、M_S7、M_S(BB)分别为7.20、7.16、6.96;②M_S(BB)震级的测定方法简单,不同台站之间的偏差较小,一致性较好,适合在地震台网的地震速报中使用。这与震级国家标准GB 17740—2017的规定相一致。  相似文献   

长短时记忆神经网络在中期地震预报中的探索--以川滇地区为例     

李林芳  石耀霖  程术 《地球物理学报》2022,65(1):12-25

利用机器学习方法对地震活动大数据进行挖掘,识别出一些过去认识不到的异常,提高地震预测的准确性,是一个非常具有挑战性的科学问题.本文基于川滇部分地区(24°N—32°N,98°E—106°E)地震目录,采用滑动的时空窗口,选取16个反映地震时空强度分布特征的地震预测因子,建立了长短时记忆(LSTM)神经网络,对研究区域9个子区块未来一年的最大地震震级进行预测.通过设置训练集∶测试集=8∶2和训练集∶测试集=7∶3两个不同的训练测试模型,对过往发生的地震进行了回溯性预报.结果表明:训练集∶测试集=7∶3模型能够利用1970年1月至2004年9月的地震目录进行学习,成功回溯性预报2008年汶川地震;训练集∶测试集=8∶2模型利用1970年1月至2009年5月资料进行训练,回溯性预报2010—2019年间6级以上地震的R评分为0.407,回溯性7级地震预报时准确率高达92.31%.本文还探讨性给出预测意见:2022年2月前研究区西部、中部、东部、西南部存在发生5.1~5.3级地震的潜在危险性.  相似文献