集合预报初值扰动在天气预报中的应用研究进展

对提高数值模式天气预报准确率和可用度,单个模式往往难以达到理想的目的,故常采用集合方法.例如,将模式的初值进行扰动后集合,或者将不同的预报结果集合,甚至运用多模式开展集合预报等.本文着重介绍集合预报初值扰动的应用研究情况,重点阐述目前最先进、最流行的两种方法--奇异向量法和增长模繁殖法.集合初值扰动研究近年取得了丰硕成果,也涌现了一些新的初值扰动方法.但很多问题仍有待解决,例如对初始场误差的进一步认识、误差的离散度还不够大、离散速度还不够快、更有效的扰动生成方法有待出现等.最后,对初值扰动的应用研究进行了展望.     

用T106L19全球谱模式制作中期集合预报的试验

为解决传统的数值预报初值存在的不确定性,利用增长模繁殖法在T106L19全球谱模式上进行了中期集合预报试验.繁殖循环的初始扰动由模式24 h预报均方根误差和随机数的乘积构成,该随机数服从[-1,＋1]区间上的均匀分布,繁殖循环的周期为6 h,繁殖的总时间为3 d,集合成员为15个.结果表明：在1～10 a的预报中,无论是距平相关系数还是预报均方根误差,除第1天外,集合预报都优于控制预报,集合预报相对于控制预报的优势更主要地体现在对第3天以后的中期预报时段.从计算的离散度来看,集合平均预报的可信度要比控制预报的高.     

不同基流中繁殖模饱和特征对比分析

为了研究不同基流背景下繁殖模的饱和特征,采用增长率和图形相关系数2个指标对不同基流计算的繁殖模进行了对比分析。结果表明:经过大约3 d的繁殖,不同基流计算的繁殖模都达到了饱和,但用NCEP再分析资料计算的繁殖模比用T 106资料计算的繁殖模的饱和级别高些;相对湿度繁殖模比其它变量的繁殖模具有较低的饱和级别,且低层比高中层更容易饱和;对于饱和后同时刻的2种繁殖模,其在结构上非常相似的同时,也存在一些不同。     

基于人工神经网络集合预报的济南市臭氧预报方法

由于观测的不准确以及资料分析、同化中的误差,单一预报仅是一个可能的解。为弥补其不足,提出了一种基于人工神经网络集合预报的臭氧(O₃)预报模型,选取8类气象因子及2类污染物因子,搭建人工神经网络预报模型,并采用随机扰动方法,产生15组相互独立的随机扰动气象场,搭建人工神经网络集合预报模型,并以2013年—2019年5月—9月数据作为训练集,以2020年5月—9月数据作为测试集。结果表明:与单一人工神经网络预报相比,人工神经网络集合预报准确率明显提高,O₃污染命中率明显提高,O₃污染漏报率明显减少,O₃污染空报率略有增加;人工神经网络集合预报对O₃污染预报有过多倾向,而单一人工神经网络预报则有过少倾向;以2020年7月3日—9日的一次O₃重污染过程为例,与单一人工神经网络的确定性预报相比,人工神经网络集合预报能够更好地反映出污染的迅速累积上升及持续过程。通过提供定量的概率预报,人工神经网络集合预报可以给出多种可能性及其发生的概率,能为预报员提供包括不确定性在内的更多预报信息,该模型具有一定的实际应用价值。     

基于集合预报思想对一次暴雨过程的数值模拟

用MM5-V3对江淮流域的一次暴雨过程进行数值模拟,为了消除单一的确定性预报在暴雨落区和强度方面的可信度不稳定。其中积云对流参数化方案分别采取5种不同的方案进行了计算,又对5种结果进行平均得到集合模拟结果。分析不同的模拟结果发现,对降水量的模拟,集合模拟结果更接近实况。不同的积云对流参数化方案对雨带位置的模拟效果相近。但对于卢中尺度雨团的模拟具有不确定性,而不同参数化方案的集合模拟结果,无论是对雨带还是雨团的模拟都是比较成功的,这也说明集合预报可以消除物理过程的不确定性,是提高预报准确率的一条有效途径。     

一种新的遗传策略在含“开关”过程的集合预报中的有效应用

针对初值及模式的不确定性,进行了初值扰动集合预报和模式扰动集合预报。在初值扰动集合预报中,将一种新的遗传策略用于四维变分资料同化生成集合预报的分析场,求解条件非线-}生最优扰动,并结合第二、第三主奇异向量（SVs）生成集合预报的初始扰动。为了检验该方法的有效性,采用一个含“开关”过程的偏微分方程的预报模式,设计了3种比较数值试验方案。结果表明：采用第3方案的集合预报在预报技巧上明显高于其他两种方案。第2方案和第1方案相比,由于“开关”的影响,集合预报技巧提高并不明显。在模式扰动集合预报数值实验中,为了模拟模式的不确定性,在控制方程右端添加6个随机的误差项模拟由于物理参数化方案的不同而带来的模式扰动,采用新的遗传策略在扰动模式中同化出6个对应于扰动模式的分析场后进行集合预报,并与基于伴随技术的方法进行比较。结果表明,基于遗传算法的扰动模式集合预报的预报技巧明显优于伴随方法,且这种优势随着预报时间的增加愈发明显。     

基于集合预报的两种输电线路舞动概率预测方法

利用中国气象局集合预报业务系统GRAPES-EPS（Global/Regional Assimilation and Prediction System Ensemble Prediction System）的15个集合成员预报产品,基于舞动气象模型,分别通过等权重法和集合平均法得到输电线路舞动发生的预测概率,以2016年11月23日和2018年1月4日~6日的电线结冰数据作为实况,检验两种预测方法的效果,结果发现,（1）等权重法和集合平均法预测出的舞动范围均能覆盖实际发生舞动的区域,均可作为舞动发生的客观预测方法;（2）等权重法预测输电线舞动的报对站比例更高而漏报站比例更低,(3)等权重法预测的日最大舞动概率和日平均舞动概率均较集合平均法预测的大;(4) 从空间分布和时间变化来看,等权重法舞动预测的概率值具有一定的连续性,而集合平均法预测的舞动概率值则具有明显的跳跃性,等权重法应用效果较集合平均法更好。     

CNMARC中丛刊与集合题名期刊著录方法探讨

通过对丛刊与集合题名期刊特点分析，探讨其著录方法，以及在著录过程中应注意的几个问题。     

结合大气环流和遥相关信息的集合径流预报方法及其应用

该文采用集合径流预报(ensemble streamflow prediction,ESP)方法对汉江白河站1970～2000年逐月径流量进行了回顾式预报。针对传统集合径流预报方法中对气象条件变异性考虑不足这一问题,该文尝试引入影响径流的大气环流因子和遥相关信息,对历史气象年份进行挑选,选择与预报年相似的历史气象条件组成集合,以增加气象集合输入的代表性,从而提高径流预报的精度。以夏季(6月、7月、8月)和冬季(12月、次年1月、2月)月径流量为预报对象,改进后的集合径流预报方法显著地提高了预报精度,各月预报的合格率均超过60%,其中8月和12月的合格率达88%,能够满足实际生产需要。     

基于MOS方法的环渤海地区大风中期预报

针对环渤海地区64个台站,应用MOS技术制作了平均风速、最大风速以及大风的96～240 h的中期预报.预报检验结果显示:平均风速和最大风速的中期预报在大多数情况下是可用的,对于大风的灾害性预报的效果较好,但仍有待于进一步提高,需要在预报因子的筛选和多种观测信息的运用方面加以改进.     

环境空气质量预报准确率研究

在分析多年空气自动监测数据的基础上,选用统计预报模式(多元线性回归)和数值预报模式(CAPPS)两种模式同步应用,以源解析结论为数据修正程序,很好地解决了安阳市在空气质量预报方面准确率低的问题.安阳市2005年1月~9月环境空气质量预报PM10浓度预报准确率为74.70%.     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型．然后在三个单一预测模型的基础上综合各个预测模型的优缺点．通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型．最后对几种预测方法进行了评价,得出组合预测效果比较精确．     

安徽省城镇居民人均可支配收入组合预测

针对单项预测存在一定随机性、预测精度较低等问题,基于误差平方和最小准则,结合 GIOWA算子提出 4 种特殊参数的变权系数组合模型,以 2000—2020 年安徽省城镇居民人均可支配收入数据为样本,对安徽省未来 5 年城镇居民人均可支配收入进行预测。 首先分别应用 3 种单项预测模型对安徽省城镇居民人均可支配收入进行拟合预测,然后以误差平方和最小为准则,结合 GIOWA 算子构建变权系数组合模型,同时对 GIOWA 算子取 4 种特殊参数得到相应的组合预测模型,最后应用所构建模型对安徽省未来 5 年城镇居民人均可支配收入进行预测。 结果表明:变系数组合预测模型预测效果优于单项预测模型;安徽省未来 5 年城镇居民人均可支配收入将会持续稳定增长。     

电力市场下负荷预测综述

负荷预测是电力市场的基础．系统地综述了负荷预测的分类、负荷模型、负荷预测的方法及其发展动态、电力市场下对负荷预测的新要求．     

基于组合预测模型的西藏人口分析

本文建立了西藏地区人口数量的组合预测模型,模型理论可靠,稳定性高,且预测精度好,经过计算得到了西藏地区未来五年的人口发展趋势．该模型可以普遍应用于人口分析和预测工作．     

预测技术在石油工业中的应用

在阐明科学预测基本理论和分析石油工业技术经济特点的基础上,针对油田产量、注水量和可采储量预测实际问题,提出了采用非线性回归预测技术来解决的思路并结合实例建立了预测数学模型.实践表明,这种方法对于近期预测效果是比较好的,这对于实现石油企业经营决策和经营计划的科学化是十分重要的.     

组合预测方法在电力系统负荷预测中的应用

组合预测方法是一种性能优越的预测方法.应用最优组合预测和递归等权组合预测方法将自适应滤波模型、灰色模型、指数平滑模型组合在一起进行电网负荷预测,获得了好的预测效果.     

脲酶高产菌的筛选和产酶条件的研究

从红壤稻田分离产胞外脲酶活性高的细菌、放线菌和真菌各20株.细菌、放线菌、真菌产脲酶活力的平均值分别为0.764,1.104,0.847μmol/min.产脲酶能力大小为:放线菌>真菌>细菌.我们研究了一株放线菌Dactylosprangiumaurantiacum产胞外脲酶的条件.结果表明:该菌产酶的最佳培养时间为42h;产酶的最佳培养温度为28℃;产酶的最佳起始pH为7;葡萄糖、鼠李糖和甘露糖等碳源对产酶有利;硝酸铵、氯化铵和硫酸铵对产酶有利;钙、镁等金属离子能促进产酶.     

武器装备研制阶段费用预测方法及仿真

提出一种基于小波神经网络的武器装备研制阶段的费用预测方法.建立小波神经网络预测模型,并推导该模型的预测算法.应用一组美军反舰导弹数据进行仿真预测.结果表明,小波神经网络方法比传统BP网络方法平均预测误差减小了1%,收敛速度加快了3倍.