基于粒子群算法的正交条件非线性最优扰动求解

在已有的条件非线性最优扰动计算方法中,利用粒子群智能优化算法设计了求解正交条件非线性最优扰动的算法,并在Lorenz96模式中求解了正交条件非线性最优扰动。与传统方法进行对比,求解出了2类具有负相关性的条件非线性最优扰动,并且求解了全局条件非线性最优扰动所对应的正交条件非线性最优扰动。

条件非线性最优扰动(CNOP):简介与数值求解

介绍了条件非线性最优扰动(Conditional Nonlinear Optimal Perturbation,CNOP)的定义及其在大气和海洋等可预报性研究中的应用。根据研究对象不同,CNOP分为与初始扰动有关的CNOP(CNOP-I)方法、与模式参数扰动有关的CNOP(CNOP-P)方法和同时考虑初始扰动和模式参数扰动的CNOP方法。目前,CNOP-I方法已经应用于ENSO、黑潮和阻塞可预报性以及热盐环流和草原生态系统稳定性的研究。此外,CNOP-I方法也被应用于探讨台风目标观测的研究,利用CNOP-I方法能够识别出台风预报的初值敏感区,通过观测系统模拟试验表明在初值敏感区增加观测能够有效改进台风的预报技巧。CNOP-P方法也在ENSO和黑潮可预报性以及热盐环流和草原生态系统稳定性研究中得到了应用。为了将CNOP方法应用于更多的领域,本文利用一个简单的Burgers方程,介绍了如何通过建立Burgers方程的切线性模式和伴随模式,从而利用非线性最优化算法计算获得CNOP。这一数值试验为将CNOP方法应用于更多的领域提供了借鉴。

条件非线性最优扰动方法在适应性观测研究中的初步应用

针对适应性观测中敏感性区域的确定问题,考虑初始误差对预报结果的影响,比较了条件非线性最优扰动(CNOP)与第一线性奇异向量(FSV)在两个降水个例中的空间结构的差异,考察了它们总能量范数随时间发展演变的异同。结合敏感性试验的分析,揭示了预报结果对CNOP类型的初始误差的敏感性要大于对FSV类型的初始误差的敏感性,因而减少初值中CNOP类型误差的振幅比减少FSV类型的收益要大。这一结果表明可以把CNOP方法应用于适应性观测来识别大气的敏感区。关于将CNOP方法有效地应用于适应性观测所面临的挑战及需要采取的对策等也进行了讨论。

一种求解条件非线性最优扰动的快速算法及其在台风目标观测中的初步检验

条件非线性最优扰动(CNOP)是Mu等2003年提出的一个新的理论方法,它是线性奇异向量在非线性情形的推广,克服了线性奇异向量不能代表非线性系统最快发展扰动的缺陷,成为非线性系统可预报性和敏感性等研究新的有效工具。然而,由于以往CNOP的求解需要采用伴随技术,计算量相当巨大,限制了该方法的推广应用。为了克服这一困难,本文基于经验正交分解(EOF),提出了一种求解CNOP的快速算法,利用GRAPES区域业务预报模式实现了 CNOP快速计算,并在台风"麦莎"的目标观测研究中得到初步检验,通过观测系统模拟实验(OSSE)检验了该方法确定敏感性区域(瞄准区)的有效性和可行性。试验结果表明,用快速算法求解的CNOP,其净能量随时间快速地发展,而且发展呈非线性。在台风"麦莎"个例的目标观测试验中,用快速算法得到的预报时间为24 h的CNOP可以有效地识别瞄准区,并通过瞄准区内初值的改善,可明显减少目标区域(检验区)内24 h累计降水预报误差。尤其,累计降水预报的这种改进效果能够延伸到更长时间(如72 h),尽管检验时间是设在第24小时。进一步分析发现,24 h累计降水预报误差的减少是通过利用瞄准区内改善的初值改进初始时刻台风暖心结构、高空相对涡度以及水汽条件等而得以实现的。

基于条件非线性最优扰动的目标观测中瞄准区不同引导性变量的影响试验研究

基于GRAPES区域业务预报模式,采用一种快速算法计算出来的条件非线性最优扰动对实际台风个例麦莎(No.0509)开展了目标观测研究,应用数值模式,进行一系列的敏感性试验,讨论了与目标观测设计相关的一些问题,包括确定瞄准区时使用不同的引导性变量对目标观测效果的影响、及瞄准区范围变化对预报效果的影响。文中分别以提高麦莎在检验区(20.125°—35.3125°N,116.8125°—129.75°E)内的24 h海平面气压预报和24 h累积降水量预报为目的,基于条件非线性最优扰动使用了3种不同的引导性变量寻找敏感区(又称瞄准区),对这些敏感区的分布特点和有效性进行了比较和讨论。试验结果表明,在使用的3种引导性变量中,用不同的引导性变量识别的敏感区是有差别的,总体上说,文中使用的3种引导性变量识别的瞄准区对提高预报都是有效的,特别是第2和第3种的效果更好些,且两者识别的瞄准区常显示出类似的特点。文中进一步针对检验区内24 h累积降水量预报误差问题,将前面确定的瞄准区范围扩大相同的幅度,讨论瞄准区范围变化对改进预报的影响。试验结果表明,增加瞄准格点数,有可能使预报效果得到改善,但是试验结果同时也暗示了单纯靠扩大瞄准区的范围未必一定能减小预报误差,这与不同的引导性变量对瞄准区范围大小的敏感性不同有关。

条件非线性最优扰动方法在台风“风神”和“凤凰”相互作用过程中的应用研究

利用条件非线性最优扰动(CNOP)方法,对2002年发生在西太平洋上的台风"风神"和"凤凰"之间的相互作用进行研究。CNOP方法可揭示出"风神"对"凤凰"单向引导作用的过程,表现为若将"凤凰"所在区域作为验证区域,用CNOP方法识别的敏感区主要位于"风神"所在区域,呈现出环绕"风神"的半环状结构;若将"风神"所在区域作为验证区域,则CNOP方法所识别的敏感区主要位于"风神"与副高交界的地方,远离"凤凰"所在的区域,可见,"风神"主要受副高的影响。敏感性试验表明,CNOP所识别的敏感区内误差的发展要大于台风中心周围区域内初始误差的发展,且在全场误差的发展中占有较大的比重,说明CNOP所识别的敏感区对验证区域的预报有较大的影响。

条件非线性最优扰动法在大气与海洋目标观测研究中的应用

对近年来用条件非线性最优扰动法研究大气与海洋目标观测问题的部分工作进行了总结,主要涉及厄尔尼诺-南方涛动(ENSO)事件、黑潮路径变异事件以及阻塞事件。通过研究这些事件发生的最优前期征兆(OPR)和最快增长初始误差(OGE),发现这些事件的最优前期征兆和最快增长初始误差分别具有空间的高度相似性及其伴随的局地性特征。理想回报试验表明,如果在ENSO事件和黑潮路径变异事件的最快增长初始误差和最优前期征兆所确定的扰动大值区减小初始场误差,上述事件的预报技巧会大幅度提高;最优前期征兆和最快增长初始误差的空间相似性使得在同一敏感区域增加额外观测,不仅有助于捕捉上述异常事件的前期信号,还可以有效减小初始误差,从而提高对该事件的预报技巧。阻塞事件爆发的最优前期征兆和最快增长初始误差的空间相似性和局地性特征在其目标观测研究中的应用,应该是深入研究的课题。

模式含有开关时遗传算法求解条件非线性最优扰动的有效性研究

在基于条件非线性最优扰动(CNOP)的台风适应性观测研究中,针对预报模式的湿物理参数化产生的"on-off"开关导致传统伴随方法不能为最优化过程提供正确梯度这一现象,将模式含有"on-off"开关时求解CNOP的问题视为非光滑最优化问题,引入遗传算法,在给出详细的算法流程后,以一个在强迫项中含"on-off"开关的理想模式,分析了"on-off"开关对求解CNOP的影响,三个数值试验检验了模式含有"on-off"开关时遗传算法求解CNOP的有效性,并分析了不同初始种群对最优化结果的影响。结果显示,所采用的含有"on-off"开关的理想模式下,遗传算法能有效求解CNOP,最后对遗传算法求解CNOP的优缺点进行了详细讨论。

条件非线性最优扰动方法在内蒙古土地沙漠与人类活动关系中的应用

根据内蒙古近50年的数据资料,利用最新的条件非线性最优扰动(CNOP)方法对曾晓东等人提出的非线性三变量草原生态模型进行研究,得到初步的研究成果,并量化分析得出了内蒙古沙漠化与人类活动的相互关系.

条件非线性最优扰动在长江中下游地区冬季暴雨中的应用研究

为了提高长江中下游地区高影响天气的数值预报,利用条件非线性最优扰动(CNOP)方法,对一次长江中下游地区冬季降水个例(高影响天气事件)进行目标观测研究,并通过观测系统模拟试验(OSSE)检验了该方法确定敏感区的有效性和可行性。试验结果表明,CNOP方法可有效识别对应于高影响天气事件的敏感区。通过对敏感区进行初始场修正后,可明显改善验证区内24 h累积降水预报误差和总能量预报误差。进一步分析发现,通过改善敏感区内的初始场信息(如水汽通量场和低层冷空气活动等),使得数值模式不仅能更真实刻画该天气系统的初始结构,还能更好模拟出该天气系统随时间的演变特征,因而减少了验证区内对该天气系统的预报误差。这一结果表明可以把CNOP方法应用于长江中下游地区高影响天气事件的目标观测研究或实践中。

几种约束优化算法求解含“开关”过程的条件非线性最优扰动的比较

求解条件非线性最优扰动(Conditional Nonlinear Optimal Perturbation,CNOP)属约束最优化问题,一般采用基于伴随模式提供梯度信息的约束优化算法(简称ADJ)进行求解。当优化问题涉及不连续的"开关"过程时,传统优化算法的寻优能力会受到较大的影响。近年来遗传算法(Genetic Algorithm,GA)因其在非光滑优化问题中的鲁棒性备受关注,但GA的性能不仅与优化问题有关,还取决于遗传算子的配置。本文将一种新的约束GA(GA1)用于求解CNOP,并对GA1,ADJ及具有不同遗传算子配置的约束GA(GA2)求解含"开关"过程的CNOP时的性能进行了比较。数值试验结果显示,GA1和GA2的全局寻优能力明显优于ADJ,后者易于陷入局部最优;对于不同的初猜值(不同的初始种群),GA1求解的CNOP能够保持一个较为一致的空间结构,ADJ求解的CNOP呈现了明显的两种结构,一种代表的是全局CNOP,一种是局部CNOP。通过验证不同遗传策略对优化结果的影响发现,对不同的优化问题,采用合适的遗传策略以及合适的参数设置是获取更好优化结果的一种有效途径。

条件非线性最优扰动在南海台风中的应用研究

为了提高南海台风的数值预报,利用条件非线性最优扰动(CNOP)方法寻找对南海台风预报影响最大的区域(敏感区),并对该区域中会导致较大预报误差的初始扰动场进行了详细地分析。对两个南海台风个例地研究发现,CNOP的风场和温度场结构在各σ层上不完全一致。计算了CNOP各σ层上的干能量,并在垂直方向上做了积分,将积分后的能量大值区确定为敏感区。进一步对敏感区内温度场的垂直剖面进行分析,发现敏感区内,温度场呈现一定的斜压结构。研究还发现,敏感区与台风的对流活动区域不完全重合,这有利于台风适应性观测地实施。

伴随敏感性方法、第一奇异向量方法以及条件非线性最优扰动方法在台风目标观测敏感区识别中的比较研究

本文通过深入分析伴随敏感性(ADS)方法、第一奇异向量(LSV)方法、以及条件非线性最优扰动(CNOP)方法在目标观测敏感区识别方面的原理,提出了非线性程度的概念和计算方法,考察了转向型和直线型台风的非线性程度,分析了上述三种方法在不同非线性程度下识别的敏感区的异同,同时对比了转向型和直线型台风的敏感区的差异,并通过敏感性试验探讨了在不同非线性程度下以及在转向型与直线型台风中,预报对敏感区内初值的敏感性程度,进而探讨台风目标观测在不同情况下的有效性。结果表明,转向型台风的非线性程度差别比较大,或者特别强,或者特别弱;而直线型台风非线性程度居中,不同台风个例之间的非线性程度差别较小。对于非线性较弱的台风,三种方法识别的敏感区较为相似,而对于非线性较强的台风,LSV方法与ADS方法识别的敏感区较为相似,但是与CNOP方法识别的敏感区具有较大的差别。对于转向型台风,敏感区主要位于行进路径的右前方,而对于直线型台风,敏感区主要位于初始台风位置的后方。敏感性试验表明,不论台风非线性强弱,转向还是直行,CNOP敏感区内的随机扰动发展最大,而LSV敏感区内叠加的随机扰动发展次之,ADS敏感区内叠加的扰动发展最小;此外,非线性弱的台风,扰动的发展大于非线性强的台风的扰动的发展,表明非线性弱的台风预报受初值影响更大,目标观测的效果可能会更明显。

条件非线性最优扰动的最大值原理

在非线性系统(发展方程及常微分方程)中初始数据的扰动对系统以后某固定时刻T的状态的影响是一个重要的研究课题.本文研究非线性系统在初始数据在一定的范围(称为初始扰动域)内作有限幅度的扰动时,在时刻T对状态扰动的幅度达到最大的问题.通过考虑反向时间的问题及假设解对初始数据的连续依赖性,证明了若在时刻T状态扰动的幅度达到最大,则初始数据位于初始扰动域的边界上,这个结果的重要意义在于可以减少数值求解扰动幅度最大问题的计算量.

改进的粒子群算法在求解条件非线性最优扰动的应用

通过对影响粒子群算法性能的两个关键因素进行改进,将一种改进的粒子群算法应用于条件非线性最优扰动(CNOP)的求解中,并与传统的基于梯度下降算法进行比较。比较数值结果显示,在非光滑情形下,传统的基于伴随模式提供梯度信息的SPG2求解出的CNOP绝大部分是局部的,只有少数是全局的。而改进的粒子群算法则在200次数值实验中均能够较好地求解出全局CNOP。

条件非线性最优扰动在热带气旋调控减灾中的应用初探

为主动减小热带气旋灾害,给将来热带气旋调控的工程实践奠定理论基础。从RossHoffman对热带气旋调控减灾的研究出发,引出了作为非线性最优控制技术的四维变分天气控制版本。简要介绍了条件非线性最优扰动(CNOP)的概念,在此基础上,重点介绍了CNOP方法与四维变分方法相比改进方面的主要应用,它可以利用控制过程中的观测数据,从而在天气控制方面优于四维变分技术。进一步研究了CNOP在热带气旋控制中的另外两个应用,即对初始扰动发展为热带气旋的反演以及利用CNOP寻求产生最大垂直风切变的扰动。新的非线性最优控制技术可称为"非线性最优强迫变分(NOFV)"或"非线性最优强迫扰动(NOFP)"方法,它可以使控制尽可能接近观测。研究表明,CNOP方法在热带气旋调控减灾中大有用武之地。

Zebiak-Cane模式中条件非线性最优扰动对ENSO春季预报障碍的影响

使用Zebiak-Cane模式和条件非线性最优扰动(CNOP)方法,研究初始误差和参数误差共同作用对ENSO春季预报障碍现象的影响。选取模式中的8个El Ni?o事件,包括4次强事件和4次弱事件,每个El Ni?o事件又分别从8个不同的起始时间做1 a的预报,这样一共64个预报实验。对每个实验分别计算CNOP误差(初始误差和参数误差同时存在时的最优误差),通过分析误差增长,发现CNOP误差引起的1 a后的预报误差随着初始预报时间的不同有较大差异,并且不同强度的El Ni?o事件也会影响CNOP误差的发展,增长位相中强事件的预报误差要比弱事件的预报误差大一些;而衰减位相中恰恰相反,弱事件的预报误差要比强事件的预报误差要大一些;同时也发现高频El Ni?o事件对误差增长率的影响较大。本结论有助于提高Zebiak-Cane模式预报ENSO的技巧。

条件非线性最优扰动方法在黑潮目标观测研究中的应用

对近年来利用条件非线性最优扰动(Conditional Nonlinear Optimal Perturbation,CNOP)方法开展的黑潮目标观测研究进行了总结,主要包括日本南部黑潮路径变异的目标观测研究、黑潮延伸体模态转变的目标观测研究和源区黑潮流量变化的目标观测研究。通过计算这些事件的CNOP型扰动,发现这些事件的CNOP型扰动具有局地特征,可以作为实施目标观测的敏感区。理想回报试验结果表明,如果在由CNOP方法识别的敏感区内实施目标观测,则会大幅度提高上述事件的预报技巧。

关于线性奇异向量和条件非线性最优扰动差别的一个注记

奇异向量(singular vectors,SVs)和条件非线性最优扰动(conditional nonlinear optimal perturbation,CNOP)已广泛应用于研究大气—海洋系统的不稳定性以及与其相关的可预报性、集合预报和目标观测问题研究。本文首先回顾了SVs和CNOP的发展历史,并简单描述了它们的基本原理;然后针对二维正压准地转模式,使用不同的范数组合,分析了第一线性奇异向量(first singular vector,FSV)和CNOP之间的异同。结果表明,当优化时间较短时,度量SVs和CNOP大小的范数不同也将导致FSV和CNOP相差很大,而当度量SVs和CNOP大小的范数相同时,FSV和CNOP之间的差别则主要是由非线性物理过程作用的结果。因此,针对不同的物理问题,应该选取合适的度量范数研究FSV和CNOP以及其所引起的大气或海洋动力学的异同,从而揭示非线性物理过程的影响机理。