短期负荷预测最大Lyapunov指数预报模式预测值的判定

首先分析了相空间中混沌吸引子邻近轨道间的平行、交叉、折叠3种拓扑关系,根据负荷吸引子的特点提出了负荷时序最大Lyapunov指数预报模式预测值的判定依据,并探讨了相空间中临近点(轨道)的选择方法。仿真试验表明改进的负荷预测建模策略避免了原有Lyapunov指数预报模式预测值选择的盲目性,吸引子临近点的选择符合电力负荷数据的特点,所建立的短期负荷预测模型提高了预测精度并达到了预期效果。

CMA-GEPS极端温度预报指数及2022年夏季极端高温预报检验评估

极端预报指数(EFI)是利用集合预报获取极端天气信息的有效工具之一。为提升CMA全球集合预报系统(CMAGEPS)对极端天气的预报能力,针对CMA-GEPS历史预报数据少且再预报数据缺乏、难以合理统计模式气候分布的难题,研究利用小样本确定性预报数据形成EFI所需模式气候分布的方法。采用2020年6月15日—2022年7月22日CMA全球高分辨率(0.25°×0.25°)确定性业务预报数据,通过一种时间、空间样本扩展方法建立了与较低分辨率(0.5°×0.5°)的CMA-GEPS预报模式版本匹配的各预报时效(1—10 d)逐月模式气候分布。使用CMA-GEPS业务预报和ERA5再分析数据评估了CMA-GEPS 2 m气温EFI对2022年夏季(6—8月)中外4个代表性区域极端高温的预报能力。基于相对作用特征曲线的检验结果表明,CMA-GEPS EFI在1—10 d的短、中期预报时效上均具备区分极端高温的能力。以最大TS评分为准则,确定了用于发布极端高温预警信号的EFI临界阈值。EFI的预报能力随预报时效延长呈下降趋势,且在不同区域的表现存在差异:对中国长江中下游地区极端高温的预报能力在各时效上均优于华北地区;欧洲西部地区1—7 d时效上的EFI预报能力高于欧洲中部地区,而欧洲中部地区8—10 d时效上的EFI预报能力更好。上述结果与2 m气温的集合预报质量随预报时效与空间位置而变化有关。经济价值模型的评估结果表明,基于EFI预报信息的风险决策存在一定的经济价值和参考价值。个例分析结果进一步展现了CMA-GEPS EFI能够在中期预报时效上发出极端高温早期预警的能力。

Lyapunov指数在转子剩余寿命预报中的应用

应用相空间重构方法，通过计算裂纹转子推动响应的实测时间序列数据的最大Ｌｙａｐｕｎｏｖ 指数，研究转子剩余寿命的可预报性问题，给出了其最大的可预报时间尺度。在此基础上，建立了基于自适应人工神经元网络的转子剩余寿命预报方法。

用不确定度指数实时评价模式预报场业务性能

引入不确定度概念,结合“马赛克化”方法,定义不确定度指数和不稳定度指数,开发了实时业务系统,对ECMWF、JMA和T213的数值预报场进行了实时的性能评价;通过一段时间的资料统计,对3个模式的总体性能进行了对比。结果显示,该方法可为实时评价数值预报产品的性能提供一种客观依据,为预报员在日常预报工作中对数值预报模式性能的了解和科学选用数值预报产品提供科学定量的参考。

基于Lyapunov指数的高炉铁水[Si]预报

通过对国内两座中型高炉冶炼过程的[S i]时间序列的混沌分析,计算出相应的Lyapunov指数谱.由最大Lyapunov指数为正,定量的说明了两座高炉冶炼过程具有混沌性,并估计了两座高炉冶炼过程[S i]可预测的时间尺度.同时根据最大Lyapunov指数,建立了高炉冶炼过程[S i]预报模型,取得了较好的结果.

基于Lyapunov指数的预报方法及在气象预报中的应用

介绍了混沌时间序列的 Lyapunov指数预报分析方法 ,并应用混沌方法对气象预测时间序列进行处理 ,把其混沌特性应用于气象预报中。根据气象时间观测数据计算了重构相空间嵌入维数 D2 和 Lyapunov指数。结合实际例子对 Lyapunov指数预测方法进行了验证。

基于最大Lyapunov指数的混沌预测在洪水实时预报中的应用

为提高洪水预报精度,从而提高水库防洪调度可信度,采用混沌预测模型,研究了复杂洪水动力特征和非线性特征并分析洪水实时预报问题。考虑到时间延迟与嵌入维数的相关性,利用C-C法计算相空间重构参数,判别了洪水混沌特性。为避免由嵌入维数m的选取引起的最大Lyapunov指数的明显波动,使用了改进的小数据量方法计算最大Lyapunov指数。构造了基于最大Lyapunov指数的混沌洪水实时预报模型,并将其应用到湖南五强溪水库的洪水预报,计算结果表明该模型具有较高的预报精度。

基于WRF模式的紫外线指数逐小时预报模型

为提升紫外线预报和服务能力,探索长春市紫外线指数的精细化预报方法,以实际业务中易于获取的大气参数为依据,采用易实现的统计预报方法,建立了逐小时的长春市紫外线指数预报模型。建模过程中,针对20122014年长春市紫外线逐小时实况数据,采用以NCEP/FNL资料为初始场的中尺度数值模式WRF进行模拟,在常规气象要素基础上,增加输出与辐射相关的物理量,分别采用以气象要素为因子及以气象要素和辐射要素为因子的两种方式进行建模并对比。结果发现,综合辐射因子和气象因子后得到的模型预报效果更好。因此,以综合气象因子和辐射因子的方式,分季节建立了长春市未来24 h紫外线指数的逐小时预报模型,并进行了试报检验。结果表明:气象因子当中,地面及低层大气气温与紫外线指数呈现较明显的正相关;辐射因子当中,地表接收到的短波辐射通量与地面紫外线观测值统计关系最为密切;部分辐射因子与紫外线指数的相关性比大多数气象因子的更好。综合气象因子和辐射因子且划分季节的预报模型,试报结果1级以内拟合率平均达92%,且秋冬两季的方程稳定性和1级以内拟合效果较不分季节的预报模型的有所提高。

NINO3.4指数的多模式集合预报方法

基于贝叶斯模式平均方法(Bayesian Model Averaging),发展了一个NINO3.4指数的多模式客观权重集合预报方法(简称OBJ)。该方法基于训练期内单个模式的预报结果,用线性回归订正单个预报的偏差,依据模式的预报效果估计单个模式的权重。利用2002年2月—2015年10月美国哥伦比亚大学国际气候与社会研究所(IRI)提供的7个单一模式对NINO3.4指数的预报结果进行OBJ试验,并采用均方根误差对多模式集合平均预报(简称ENS)和OBJ的预报结果进行检验和评估。结果表明,ENS的预报效果优于7个单一模式的预报效果,而OBJ预报效果优于ENS预报效果,其NINO3.4指数的均方根误差比ENS方法降低了4%。将单一模式预报结果按时间划分为训练期和预报期,利用独立样本估计OBJ的参数并进行预报试验,这些试验也表明,OBJ能进一步提高预报精度。

ECMWF模式降水预报与极端天气预报指数在暴雨预报中的评估与应用

评估分析了欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)细网格模式(以下简称EC-thin)在长三角地区汛期(5—9月)的暴雨预报评分及ECMWF降水极端天气预报指数(EFI)对暴雨预警的指示作用。研究发现:(1) EC-thin降水和降水EFI对暴雨预报的ETS评分随着预报时效的延长而明显降低,在短时效内,细网格模式降水预报占优,超过60 h后,降水EFI的评分相对更好。(2)对EC-thin降水而言,在不同的预报时效采用不同的降水阈值来预报暴雨,可望达到最佳的评分效果。短期时效内该阈值随着预报时效的延长,大致从55 mm逐渐下降到35 mm。(3)对于降水EFI而言,12—36 h内EFI为0.65～0.7时,暴雨预报ETS评分最高。随着预报时效的延长逐渐下降,60—84 h内EFI为0.55～0.6时,暴雨预报ETS评分最高。(4)在不同预报时效内,采用合理的方式和阈值综合考虑EC-thin降水和降水EFI,可望得到更高的暴雨预报评分。

基于WRF模式的一种雷电潜势预报指数的研究

首先引入与水成物粒子分布相关的雷电潜势预报指数F指数,通过WRF模式模拟结果所计算出的F指数的分布情况与青海地区的闪电实况作对比。得出:模式模拟的F值和闪电实测在逐时分布图上走势大致一致,尤其峰值期是一一对应的,在空间分布上,区域有些偏差,密度的走向趋于一致,可以进行密度预报。然后近一步验证了雷电潜势预报指数在实际中的预报效果。

用门限指数修匀模式预报降水量的试验

利用门限指数修匀模式对月降水量序列进行了预报试验 ,结果表明 :门限指数修匀模式由于在进行预报时 ,可以随时更新预报模式中的修匀常数和模式阶数 ,故该模式具有较强的预报能力。

滑坡位移最大Lyapunov指数及其在滑坡预报中的应用

根据混沌理论,对滑坡在失稳过程的位移变量所具有的混沌特性以及突变性进行了深入的研究和分析,以新滩滑坡为例,计算滑坡位移失稳过程的最大Lyapunov指数,结果表明增量位移时序最大Lyapunov指数在滑坡失稳过程中出现明显增加的突变规律,且其突变时间与滑坡失稳时间相吻合,说明了滑坡位移最大Lyapunov指数是评估滑坡稳定性的一种有效混沌特性参数。

基于T213集合预报的极端天气预报指数及温度预报应用试验

本文基于中国T213集合预报系统资料,借鉴欧洲中期天气预报中心极端天气预报指数的数学处理方案,在分析T21 3模式数据特征的基础上,研究了T213集合预报系统极端天气预报指数的数学处理方法,建立了适合T213集合预报模式的极端天气预报指数,并利用该指数对2008年1月极端低温天气进行了预报试验和评估检验,分析模式气候累积概率分布生成方法对极端天气预报指数的影响,得到以下结论:(1)确定了利用T213集合预报系统所有预报成员生成的模式气候累积概率分布计算极端天气预报指数;(2)利用TS评分确定极端天气预报指数发布极端低温预警信号的阈值为-0.3并进行预报试验。试验结果表明,极端天气预报指数对极端低温天气具有较好的识别能力,可提前3～5天发出极端低温预警信号。利用相对作用特征曲线对极端天气预报指数识别极端天气的技巧进行评估检验,检验结果显示,基于T213集合预报生成的极端天气预报指数对极端低温的预报存在正的识别技巧,随着预报时效的延长,识别技巧逐渐降低。(3)评估不同模式气候累积概率分布对极端天气预报指数识别极端低温天气技巧的影响,结果表明:产生模式气候累积概率分布的模式数据误差一致性是关键因素。

紫外线模式预报方法的研究和试验

文章介绍了在T1 0 6全球谱模式中应用大气辐射传输模式预报紫外线辐射 (UVR)的方法 ,给出了试验运行的结果。UVR强度的划分考虑了到达地表的UVR通量。参考国内、外紫外线 (UV)预报服务的经验 ,制定了 5个日光暴露的级别、相应的紫外线指数 (UVI)及防护措施。 1 999年 9月起 ,国家气象中心已在NOTES网上每月不定期地展示UVR预报的一些结果 ,2 0 0 0年 9月起 ,在Cray

苏州市月降水、平均气温的多元相空间投影相似预报模式

根据相空间理论,用苏州月降水、月平均气温以及副高强度指数、极涡强度指数序列,重构多元相空间。采用投影相似算法建立了苏州月降水、平均气温的预报模型。在建模中依据历史模拟质量和模式稳定度标准,通过对投影次序,投影取点和各相型维数的理论范围进行全程测试,得到最佳预报模式。该模式在1996年业务预报中表现良好。调模过程反应模式优劣与投影次序关系密切,而对取点范围的变化反应不敏感。

极端降水天气预报指数对气候累积概率分布敏感性研究

针对中国气象局T213全球集合预报系统历史样本较短、极端降水天气预报指数数学模型中气候累积概率分布样本不足的问题,选取气候背景和地理地貌特征较为相似的长江中下游地区,利用扩展时间序列和空间范围的方法,增加T213全球集合预报系统的降水预报气候分布样本数,改进模式降水预报气候累积概率分布,利用2011年6月10—20日集合预报资料进行极端降水天气预报指数预报试验,分析气候累积概率分布敏感性。结果显示:扩展时间序列和空间范围增加模式T213集合预报气候样本数的方法,生成的模式气候累积概率分布较单一格点方法更具代表性,能提高极端降水天气预报指数的识别技巧,并提前8 d发出长江中下游地区极端强降水预报信号。

一种基于可预报性的暴雨预报评分新方法Ⅰ:中国暴雨可预报性综合指数

针对当前暴雨预报检验采用二分类事件检验方法存在的双重惩罚导致评分过低,没有考虑到中国暴雨可预报性时、空分布不均,不便于对比分析不同区域暴雨预报能力差异等问题,为了发展基于可预报性的新型暴雨预报评分方法,在综合分析影响预报员暴雨预报信心的主要因素(暴雨气候统计特征、天气影响系统运动尺度特征及数值模式预报能力等)基础上,利用2008—2016年4—10月中国国家气象信息中心5 km×5 km分辨率的多源降水融合格点分析资料、站点降水观测资料和中国国家级业务区域模式降水预报资料以及扩展空间暴雨样本统计方法,构建了一种新型的中国暴雨可预报性综合指数(Synthetic Predictability Index of Heavy Rainfall,以下简称SPI)数学模型,以定量描述中国各区域的暴雨可预报性特征。SPI数学模型由暴雨气候频率、暴雨面积比率和模式暴雨预报成功指数(Threat Score,TS)3个分量组成,计算了2008—2016年4—10月SPI的3个分量及其时、空变化特征。分析结果显示:暴雨面积比率对SPI的时间和空间变化影响最大,两者偏相关系数大于0.9;其次是暴雨气候频率的影响,两者偏相关系数值为0.8左右;第三是模式暴雨预报TS评分的影响,两者的偏相关系数为0.7左右。分析还发现,SPI大值区随季节而变化,空间分布不均匀:4—5月,可预报性大值区主要分布在华南地区;6—7月,主要分布在江淮流域; 7月中旬至8月,大值中心从江淮北部移到华北和东北地区;9月,副热带高压南撤,大值中心也相应南撤。

ECMWF高分辨率模式降水预报能力评估与误差分析

利用2015—2017年6—8月ECMWF高分辨率模式(ECMWF-Hi)的加工产品,结合我国2400多个国家级气象站逐小时降水观测资料,对ECMWF-Hi产品24h降水预报的准确度、集中度和相关性进行了评估,并与ECMWF集合预报模式(ECMWF-EPS)24h降水预报产品进行比较。为更好地描述预报的集中度,避免单纯用标准差比或平均值比刻画预报集中度的缺陷,建立一个综合标准差和平均值的R指数,用之定量描述模式预报的集中度。结果表明:(1)ECMWF-Hi在均方根误差的检验方面并未表现出优势;而分辨率较低的ECMWF-EPS集合平均预报误差最小。(2)ECMWF-Hi对研究区域降水预报的集中度的整体描述较为准确,离散度与观测较为相似,预报期望也与观测降水的期望最接近,ECMWF-Hi比ECMWF-EPS的集合控制预报与集合平均对观测降水集中度的刻画较为准确。(3)研究区域内各站点R指数分布表明,ECMWF-Hi与ECMWF-EPS控制预报、平均预报相比,对平均值预报不足的站点较多,且这些站点的预报集中度普遍大于观测,ECMWF-Hi的降水预报更接近观测降水。(4)评估应用结果表明,R指数不仅能定性评估模式的集中度,也可定量描述集中度大小。

2020年夏季辽宁省多模式降水预报检验

选用2020年夏季辽宁省区域自动站资料和7种模式预报资料,根据降水强度将站点分为5种降水类型,分析各数值模式36 h和48 h预报检验降水场的分布误差、相关性及雨带位置。结果表明:36 h预报结果好于48 h,48 h降水量预报结果普遍比观测值偏大。初夏、夏末及秋初,各模式降水量预报偏差相对较小,盛夏的预报值偏差较大,尤其强降水站点的降水量预报值显著偏小。36 h预报值与观测值的相关系数和散点分布表明,弱降水站点和较弱降水站点的ECMWF预报结果最好,NCEP和WRF_3KM次之。中量降水站点、较强降水站点和强降水站点的NCEP预报结果最好,ECMWF和WRF_3KM次之。各模式雨带位置预报存在不同程度偏差,其中ECMWF的结果较好。