模式初始场信息对江淮暴雨预报的影响

为了研究2003年7月3、4日发生在江淮地区暴雨过程的发生发展机制,揭示AREM对初始场的敏感性,采用1°×1°的NCEP资料对这次暴雨过程的环流形势进行了分析,利用AREM模式对暴雨过程进行了控制试验和初值敏感性试验.采用9点平滑对初始场进行处理,平滑后预报与控制预报的对比结果表明:初始场的信息对降水预报精度有着很大的影响.模式24 h的降水预报对初始的湿度场最敏感,对初始风场和温度场较敏感,对初始位势高度场不敏感;相对于高层来说,对低层风场、湿度场更为敏感.湿度场、温度场高低空配置对降水雨量和范围预报影响较大;对流层低层切变线的辐合作用,高低空急流配置及所维持的强上升运动,低层暖湿气流的水汽输送,是这次暴雨的发生发展的机制.     

一次暴雨天气对陆面参数扰动的敏感性数值影响

为检验暴雨天气过程对地表参数扰动的敏感性,应用WRF2.2,给定其中的NOAH陆面模式参数(地表反照率、地表粗糙度、最小叶孔阻抗、土壤最大容积水含量)一系列初始扰动,模拟了2007年7月7～9日的南京暴雨过程.试验结果表明,此次暴雨天气过程对陆面参数的扰动比较敏感,尤其是对土壤最大容积含水量以及地表反照率扰动的影响更为明显.陆面参数的扰动首先改变感热、潜热、动量等通量,更主要的是通过陆气相互作用,改变大气底层水汽输送的环流形势,从而对暴雨强度和范围产生重要影响.     

不等距五层原始方程模式降水预报试验

本文提出一个不等距五层原始方程降水预报模式。该模式提高了低层大气的分辨能力。在暴雨过程物理量分析的基础上重新考虑了凝结加热的计算方案。试验结果,该模式对天气形势和雨区的预报都比原等距五层模式有明显改进。     

集合预报中初始扰动生成方法的探讨

阐述了4种生成集合预报初始扰动的方法,用其中的3种方法在微机版本的T63L9全球谱模式上进行了中期数值预报的集合预报试验,通过集合预报效果来检验初始扰动的优劣。结果表明：初始扰动的好坏对集合预报效果有至关重要的影响,总体而言,增长模繁殖法优于控制预报、蒙特卡洛法和时间滞后法,且集合预报的确能起到提高数值预报效果的作用。     

淮北夏季暖式切变线暴雨特征及其预报预警

针对2000-2009年安徽省淮北地区夏季22例暖式切变线暴雨过程,利用MICAPS平台获取的多种资料、NCEP逐6h的2.5°×2.5°再分析资料和T213资料,应用天气分析、对比订正等方法,研究暖式切变线暴雨气候特征及其预报预警.基于大气环流形势分析暴雨影响系统,根据暴雨发生前后的物理量变化得出NCEP资料的物理量阈值,利用T213资料对物理量阈值进行订正,根据满足指标阈值的物理量个数分3个等级进行暴雨的可能性预警,通过预报预警系统界面实现暴雨预报的自动化实时显示,并对预报效果进行试报检验和实际检验.     

GRAPES 奇异向量研究及其在暴雨集合预报中的应用

为了产生好的集合预报初始扰动, 并能够用有限的集合样本来模拟大气概率密度函数在相空间中的时间演变, 把奇异向量法引入非静力 GRAPES 中尺度模式中, 研究了 GRAPES 奇异向量的基础性问题和基于奇异 向量构造集合样本的方法。对2008 年7 月的一次西南涡移动带来的暴雨过程进行 GRAPES SVs 求解, 并进行集合预报试验。结果表明: 前 27 个 GRAPES SVs 反映了分析误差的主要信息; 要素的集合平均的均方根误差比控制预报具有更好的预报技巧, 且它们的集合离散度随时间逐渐增加, 反映了预报误差的主要信息; 从降水 Brier 评分和 ROC 技巧上可以看出该集合预报具有好的概率预报技巧, 能为暴雨预报提供一定的指导作用。     

非线性动力系统非定常态的最快增长扰动

计算了洛伦兹模式随时间变化的非定常态的条件非线性最优扰动．在比较条件非线性最优扰动和线性奇异向量模态的基础上进一步探讨了它们随时间的演变．结果表明，线性奇异向量代表初始扰动最优增长的方向，条件非线性最优扰动，由于受非线性的影响不能代表扰动最优增长方向，它代表在预报时刻有最大非线性发展的一类初始扰动．另外，条件非线性最优扰动代表了最敏感或最不稳定的扰动模态，从而揭示了非线性对洛伦兹模式敏感性的影响．     

中尺度暴雨模式MRM 1作者简介及预报效果检验

介绍了近年来我们所研制的中尺度暴雨模式MRM1的基本情况及特点,以及对1998年,1999年和2001年6月、7月的降水集中时段进行的逐日降水预报试验及效果检验,并和美国著名中尺度模式MM5进行了同一时段降水预报检验的比较.结果表明,它是目前国内较好的中尺度暴雨预报模式,在暴雨预报方面较MM5也有一定优越性.     

1998年6月“两湖”降水过程的数值模拟

运用中尺度η坐标暴雨模式(简称MEM),采用常规报文资料获得初始场,运用包络地形方法获得模式所需的地形资料,对1998年6月“两湖”降水过程进行了数值模拟。结果表明,该模式对形势场的模拟较好,MEM的TS评分结果明显高于国内目前业务运用中的主要模式,模式对暴雨有较强的模拟能力。无地形试验表明地形对降水预报有显著的作用,尤其中尺度地形对暴雨预报和模拟有重要的作用。     

2009年7月8-9日山东莱芜强降水天气过程分析

文章利用常规气象资料、物理量场资料,对2007年7月8-9日出现在山东中部的暴雨天气过程成因进行了诊断分析.结果认为:暴雨天气过程出现在副高稳定少动的天气背景下,是西风槽、切变线、低空急流共同影响的结果;物理量场对于暴雨预报具有较好的参考作用.     

Conditional nonlinear optimal perturbation and its applications to the studies of weather and climate predictability

Conditional nonlinear optimal perturbation （CNOP） is the initial perturbation that has the largest nonlinear evolution at prediction time for initial perturbations satisfying certain physical constraint condition. It does not only represent the optimal precursor of certain weather or climate event, but also stand for the initial error which has largest effect on the prediction uncertainties at the prediction time. In sensitivity and stability analyses of fluid motion, CNOP also describes the most unstable （or most sensitive） mode. CNOP has been used to estimate the upper bound of the prediction error. These physical characteristics of CNOP are examined by applying respectively them to ENSO predictability studies and ocean＇s thermohaline circulation （THC） sensitivity analysis. In ENSO predictability studies, CNOP, rather than linear singular vector （LSV）, represents the initial patterns that evolve into ENSO events most potentially, i.e. the optimal precursors for ENSO events. When initial perturbation is considered to be the initial error of ENSO, CNOP plays the role of the initial error that has largest effect on the prediction of ENSO. CNOP also derives the upper bound of prediction error of ENSO events. In the THC sensitivity and stability studies, by calculating the CNOP （most unstable perturbation） of THC, it is found that there is an asymmetric nonlinear response of ocean＇s THC to the finite amplitude perturbations. Finally, attention is paid to the feasibility of CNOP in more complicated model. It is shown that in a model with higher dimensions, CNOP can be computed successfully. The corresponding optimization algorithm is also shown to be efficient.     

ENSO ensemble prediction: Initial error perturbations vs. model error perturbations

Based on our developed ENSO （El Nino-Southern Oscillation） ensemble prediction system （EPS）, the impacts of stochastic initial-error and model-error perturbations on ENSO ensemble predictions are examined and discussed by performing four sets of 14-a retrospective forecast experiments in both a deterministic and probabilistic sense, These forecast schemes are differentiated by whether they con- sidered the initial or model stochastic perturbations, The comparison results suggest that the sto- chastic model-error perturbations, which are added into the modeled physical fields to mainly represent the uncertainties of the physical model, have significant, positive impacts on improving the ensemble prediction skills during the entire 12-month forecast process, However, the stochastic initial-error perturbations have relatively small impacts on the ensemble prediction system, and its impacts are mainly focusing on the first 3-month predictions.     

基于主成分分析线性回归的光伏发电功率预测研究

针对经典光伏发电功率物理模型预测精度不高、可能遗漏关键气象因子的问题,基于数据驱动思想提出一种主成分分析、逐步线性回归以及多种检验相结合的光伏发电功率预测模型混合建模方法.采用相关性分析提取关键气象因子自变量,通过逐步线性回归对历史样本数据进行训练得到初始模型;对初始模型进行拟合程度、有效性以及多重共线性等多种检验,根据检验结果,采用主成分分析对初始模型自变量进行降维重构,得到修正模型;通过残差分析实现修正模型正确性的自校验;基于多种时间尺度对经典模型、未修正模型以及修正模型的预测结果进行详细对比分析.仿真结果表明修正模型提高了预测精度及所提混合建模方法的有效性与优越性.     

A new approach to the generation of initial perturbations for ensemble prediction: Conditional nonlinear optimal perturbation

Conditional nonlinear optimal perturbation （CNOP）, which is a natural extension of singular vector （SV） into the nonlinear regime, is applied to ensemble prediction study by using a quasi-geostrophic model under the perfect model assumption. SVs and CNOPs have been utilized to generate the initial perturbations for ensemble prediction experiments. The results are compared for forecast lengths of up to 14 d. It is found that the forecast skill of samples, in which the first SV is replaced by CNOP, is comparatively higher than that of samples composed of only SVs in the medium range （day 6-day 14）. This conclusion is valid under the condition that analysis error is a kind of fast-growing ones regardless of its magnitude, whose nonlinear growth is faster than that of SV in the later part of the forecast. Furthermore, similarity Index and empirical orthogonal function （EOF） analysis are performed to explain the above numerical results.     

非线性气候系统扰动发展线性估计的局限性

采用Lorenz方程组研究了非线性系统扰动发展的线性估计和非线性估计,基于扰动的非线性发展计算了系统扰动线性发展的相对误差和绝对误差。结果表明,非线性系统扰动发展的线性估计只适用于小扰动短时间的发展;对于较长的时间跨度,Lorenz系统扰动的线性发展和非线性发展有较大差别,线性化方程组不能刻划非线性对扰动发展的影响。因此,在研究大气和海洋非线性系统扰动的发展时,应采用非线性模式。     

Weakly nonlinear stability of ultra-thin slipping films

A weakly nonlinear theory is presented to study the effects of slippage on the stability of the ultra-thin polymer films. The nonlinear mathematical model is constructed for perturbations of small finite amplitude based on hydrodynamic equations with the long wave approximation. Results reveal that the nonlinearity always accelerates the rupture of the films. The influences of the slip length, film thickness, and initial amplitude of perturbations on the rupture of the films are investigated.     

储罐爆炸事故中抛射碎片初速度预测

为合理确定爆炸事故中抛射物初速度,基于碎片穿透实验及理论分析建立了两种碎片初速度的预测方法.在理论估算中,建立了以爆炸总能量乘以能量转化效率因子确定碎片初动能的碎片初速度预测模型.在爆炸总能量的计算方法中,Baum方程可以估算压缩气体物理爆炸、化学反应失控爆炸的总能量,而在BLEVE中,用液体过热能来估算爆炸能量更为准确.以Baum,Birk等实验的转化效率为基础,根据最大熵原理得出了碎片能量转化效率因子的概率密度符合伽马分布.由实例分析可知,BLEVE中基于过热能及效率因子的初速度预测方法可以有效地进行爆炸碎片危险的定量化评价.     

基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均（SARIMA）模型的递归预测方法．通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式．通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求．