2006号台风"米克拉"过程数值模式预报检验分析

受2020年第6号台风"米克拉"影响,福建南部出现了12级以上阵风和暴雨局部大暴雨天气.该文利用模式预报与地面气象站实况资料,采用平均绝对误差、准确率、空报率和漏报率等统计量对模式产品进行检验评估.结果表明,副热带高压强度变化影响台风移动路径,副高加强西伸对台风西移有指示意义.3h极大风预报误差最小的是GFS模式,整体...     

国家精细化温度指导预报在天津滨海新区的检验订正

对国家气象中心2014年7月至2015年6月下发的精细化温度指导预报在天津滨海新区的绝对平均误差和预报准确率进行了分析,结果发现:24,h预报效果好于48,h及72,h;在各时段的温度预报中,最低温度预报效果好于最高温度预报。分析报错的原因,提取离散度大于2,℃的个例,根据不同天气状况进行归类,找出不同天气状况下最高、最低温度订正值,利用2015年7~10月的温度指导预报资料进行验证,计算≤1,℃、≤1.5,℃、≤2,℃3个区域订正前后的准确率,结果最低、最高气温准确率提高12%,~13%,,订正效果显著。     

日本传真天气图上温带气旋预报准确率分析

利用日本东京JMH台发布的地面24h、48h预报图,对温带气旋预报准确率进行了统计分析．结果表明：24h温带气旋强度预报准确率达到88％,位置预报准确率为84％;48h温带气旋强度预报准确率为69％,位置预报准确率为71％．对在西北太平洋海域航行的船舶有重要的参考和使用价值．     

4种数值模式的降水预报检验分析

选取2014年江西大监站24 h出现10站次以上大雨以上量级的降水过程,采用统计对比分析方法,对Ecmwf、Grapes、T639和GTEJ 4种数值模式逐3 h的降水预报效果进行检验。结果表明:不同时段各模式的预报准确率不同,前00:00-09:00,Ecmwf的预报准确率达34%;18:00,Grapes准确率达30%;12:00-21:00,GTEJ的预报准确率达31%;24:00,T639的预报准确率达26%。模式降水预报的可参考性在各季节也不一样,Ecmwf、Grapes和GTEJ秋冬季的可参考性要明显强于春秋季节,而T639对于春季降水预报的可参考性是最强的;夏季的降水预报,GTEJ的可参考性是最强的;秋季和冬季的降水预报,Ecmwf和GTEJ的可参考性都较强;对于不同类型降水下4种模式的降水预报效果,高空槽型和切变型降水,GTEJ的参考性最强的;冷空气型和台风型的降水,Ecmwf的可参考性最强;副高边缘型的降水,Ecmwf和GTEJ的都具有很好的参考价值。     

2021年蚌埠市6种空气质量预报模式的检验

本文把2021年安徽省空气质量预报预警平台采用6种空气质量预报模式的具体预报情况,与2021年蚌埠市空气质量实测值进行对比检验,分析了6种模式在蚌埠市的预报效果。结果表明,集合预报、CMAQ、统计预报模式在24 h时效内,集合预报、CMAQ、CAMX模式在48 h、72 h时效内的AQI预报中具有较高参考价值;在除冬季外的24h时效AQI预报中,集合预报、CMAQ、统计预报准确率较高,而NAQPMS则在冬季准确率较高;仍需通过人工综合分析,进一步提高AQI范围预报准确率。     

基于贝叶斯分类方法的雷暴预报

为了研究贝叶斯(Bayes)方法对单站雷暴预报的应用效能,利用2003年8月~2006年8月WRF模式数值预报产品和单站观测资料,采用朴素贝叶斯分类器(N-Bayes,naive Bayes classifier)和贝叶斯判别准则(D-Bayes,Bayes discriminatory criterion)两种方法,结合多种强对流天气指数场、Fisher准则和相关系数法的预报因子选取技术,分别建立了漳平、广州和湛江3个单站的雷暴预报模型;利用2007年8月资料,检验了模型预报效果,并与Fisher模型的预报效果进行了比较试验。结果表明:N-Bayes和D-Bayes两种模型有较强的雷暴预报能力,24~48 h雷暴预报CSI评分均超过0.23,准确率在72%以上,两者CSI评分接近,趋势相同;两种Bayes分类方法在预报效果上要优于Fisher判别方法。     

基于多模式预报优选融合技术的短时定量降水预报

为提升短时定量降水预报准确率,使其更好地支撑城市暴雨洪涝及中小河流洪水预报,基于多源数值天气模式预报值,构建了基于预报成员优选融合的短时(0~12h)逐小时定量降水预报模型,模型由单模式百分位映射订正技术模块、模式订正预报成员实时优选技术模块、预报成员实时融合技术模块和融合预报的百分位映射订正技术模块4个技术模块组成。以河南省为例对模型进行检验,结果表明:模型预报降水分布和强度随着预报时效临近更接近实况降水;模型提前6h预报出郑州“7·20”暴雨最强时段降水的落区和强度;在2021年1—9月降水预报对比检验中,模型预报准确率高于任意单模式订正预报和原始模式预报,且准确率随着预报时效的临近逐步提高。     

环渤海地区云量的动力过程相似预报方法

利用环渤海35个台站1954-2002年近50年逐日平均总云量和低云量的观测资料,统计关注区域内少云、中等云量、多云的发生情况;再用同期NCEP再分析资料,计算出预报关注区域内与不同云量形成相关性较好的各种不同要素的平均场,依据动力过程相似原理,利用T213数值预报产品相邻24h预报场,以域块距离为依据,建立云量预报模型,制作日平均总云量和低云量4～9天的预报.经过2003-2007年的预报结果与实况资料的对比检验表明:依据动力过程相似方法建立的云量预报模型对日平均总云量和日平均低云量的预报准确率较高;日平均低云量预报准确率要高于日平均总云量;冬半年预报准确率高于夏半年;天空出现少云的预报准确率高于中等云量和多云的情况.     

ECMWF和T639数值预报产品在兰州市空气质量预报应用中的对比

利用2013-2015年兰州市空气污染逐日监测资料,分析了兰州市6种主要空气污染物PM_(10)、PM_(2.5)、NO_2、SO_2、CO和O_3的污染特征;以2014年欧洲中期天气预报中心(ECMWF)资料与T639气象要素预报产品,结合兰州市同期污染物质量浓度监测数据,分别建立了基于最小二乘法支持向量机(LS-SVM)的6种主要空气污染物未来2d的日均质量浓度预报模型;将ECMWF和T639中2015年2月1日-10月31日的气象要素与同期污染物质量浓度监测数据分别输入各模型进行试预报检验.结果表明,以ECMWF建立的预报模型对未来2 d的PM_(10)、PM_(2.5)、NO_2、SO_2和CO的日均质量浓度的预报效果优于T639,而T639对预报O_3有一定优势.用ECMWF建立的预报模型对未来24 h的空气质量指数等级和首要污染物的预报成功率为86.14%,48 h的为82.33%;T639对应的未来24 h预报成功率为83.52%,48 h的为74.43%.两种数值预报产品均可应用于基于LS-SVM预报模型的空气质量预报,其中使用ECMWF的预报产品的释用预报效果整体上更好.     

数值预报产品的历史相似订正方法研究

针对数值预报存在误差的基本事实,提出了一套利用历史相似资料订正数值预报的方案,利用2003-2008年T213 L31数值预报产品和1948-2007年的NCEP资料,建立了100～1000 hPa等压面的高度场、温度场、风场、垂直速度场和水汽场的24～240 h预报的24 h变量订正方程.采用24 h变量相关系数和均方根误差两个指标,对2009-2010年的T213,L31高度场和温度场、数值预报产品的试应用订正效果进行了检验.结果表明:以24 h变量相关系数衡量,高度场和温度场预报订正效果都是正面的,预报时效为96～192 h,订正效果最明显;以均方根误差衡量,高度场和温度场预报订正效果同样是显著改进的;订正效果存在区域差异,高度场订正效果高纬度显著,低纬度差一些;温度场订正效果低纬度要显著一些.     

基于LSTM-XGboost组合的超短期风电功率预测方法

受数值天气预报信息影响,风电功率变化具有较强的随机波动性,传统单一预测模型精度较低,难以满足现实预测需求。为此,提出基于LSTM-XGboost组合的超短期风电功率预测方法。首先,基于风电场的气象数据,采用皮尔逊相关系数法筛选与风电功率强相关的气象数据,建立风电功率预测模型数据集;然后,将归一化处理的数据集作为LSTM(long short-term memory)和XGboost (extreme gradient boosting)的模型输入,分别构建LSTM和XGboost的超短期风电预测模型,在此基础上,采用误差倒数法对LSTM和XGboost的预测数据进行加权构建组合预测模型;最后,以张家口某示范工程风电场实际运行数据验证组合模型的有效性。结果表明,相较于其他4种单一预测模型,组合模型具有更高的预测精度。     

基于神经网络的风电场超短期风速数值预报的动态修订

 针对风电场风功率预测所需的离地70m、0~4h的超短期风速预报,本文利用中央气象台发布的MM5格点输出的数值预报风速及测风塔实时发回的气象资料,探讨了利用神经网络将前期误差观测值和测风塔湍流指标等因子对MM5数值预报风速进行动态修订的方法,建立动态修订超短期预报模型,为满足风电场超短期风功率预报的工程应用提供一定的参考。结果表明,修订后的预报风速平均绝对误差等指标大幅降低,有效地提高了预报精度。     

风电场风速和风电功率预报准确率评判方法

 对风电场风速和风电功率预报进行客观准确的评判,可以有效促进风电场风速和风电功率预报水平的提升,为减缓风电并网对电网的影响服务.本文在对风电场风速和风电功率预报准确率评判方法进行全面回顾的基础上,分析了常用数学预报准确率评判法、相对于风电场额定值的预报准确率评判法、等级预报准确率评判法和与风力发电特征紧密结合的风电场风速预报准确率评判法.同时还分析了这4类风电场风速和风电功率预报准确率评判方法的特质,及其与风力发电特征的结合程度和适用范围.     

基于LIBSVM的风速预测方法研究

由于风速随机性大且影响风速大小的因素较多,为了提高风速预测的准确性,研究了将支持向量机(support vector machine, SVM)应用于风速预测的方法,通过交叉验证选取LIBSVM回归机的最优参数组合并建立模型。实验结果表明,该方法在风速的实际预测中具有可行性。     

T639预报风场在台湾周边海域的解释应用

基于台湾的气象观测资料与日本的漂流浮标资料,通过定性判断预报值与观测值的曲线走势、定量计算相关系数、偏差、均方根误差及平均绝对误差的比较方法,检验了T639预报风场在台湾周边的有效性,能为航海、海洋工程、防灾减灾等提供参考。结果表明,T639预报风场对影响台湾与周边的台风、冷空气过程都具有较强的预报能力,其中对冷空气的模拟效果整体好于台风过程,中低风速下的模拟效果好于高风速;在台风(或冷空气)和狭管效应的双重作用下,台湾海峡存在明显的大风中心,但在台湾岛的阻挡下,台湾西南部的高雄附近海域在冷空气期间持续存在一个低值中心,冷空气期间风向的向岸效应(风向呈圆弧形包绕着大陆海岸线)明显。     

基于遗传优化的支持向量机短期风电功率预测研究

风电具有波动性、间歇性、随机性等弊端,故而较为准确的预测风电功率是提高电力系统安全性与经济性的重要手段。利用遗传算法对支持向量机参数寻优,据此建立功率预测模型进行仿真,最后与标准支持向量机的预测结果进行对比,结果表明该预测方法在短期风电功率预测中准确性更高。     

基于SSA-VMD-LSTM-NKDE的短期风电功率概率预测

为进一步提高风电功率预测精度,提出一种基于麻雀搜索算法(SSA)优化VMD参数的组合预测方法。首先,使用麻雀搜索算法对VMD参数进行优化,并利用优化后的VMD对数据进行分解;其次,结合灰色关联分析法和熵权法对环境变量进行相关性分析,选择相关性最高的影响因素与分解得到的各模态分量组合作为LSTM预测模型的输入,获得更为精确的预测结果;最后,建立基于非参数核密度估计(NKDE)的风电功率概率预测模型,实现对风电功率预测结果不确定性的有效量化。结果表明,所提组合模型的MAE,RMSE和MAPE比VMD-LSTM模型的分别下降了39.51%,33.22%和40.39%。SSA-VMD-LSTM-NKDE组合模型不仅能够有效提高确定性预测的精度,而且还能够实现对风电功率预测结果不确定性的有效量化,为风电功率预测提供了科学决策依据。     

风廓线雷达5波束校验计算风的方法

为了改善风廓线雷达观测数据的质量,减少因个别波束测量时被污染而对计算结果造成的误差,提出了进行5波束联合校验计算风的方法。该方法利用风廓线雷达5波束测量数据之间的相关性,根据风廓线雷达5个波束测量值是否通过一致性检查的不同情况进行风的计算。给出了详细的计算流程,并以气球测风结果为参照,对3波束计算法和5波束校验计算法的效果进行了实例对比,结果表明5波束校验计算方法提高了数据的准确性,计算结果与气球测量值之间的误差小,并且在实际工作中已经得到了成功的应用。     

基于改进最小二乘支持向量机方法的短期风速预测

为了进一步提高短期风速预测的精度,分析了一种改进的风速预测方法.该方法考虑风速发生变化的极值点对总体预测误差的影响,以及预测曲线较实际曲线产生的滞后,分别对预测数据进行了极值点修正和偏移量处理.在对未来1 h风速进行预测时,相比粒子群优化(PSO)的最小二乘支持向量机(LS-SVM)模型、未经优化的LS-SVM模型及反向传播(BP)神经网络模型,所提出的模型具有较高的预测精度和运算速度.算例结果表明,改进的LS-SVM算法是进行短期风速预测的有效方法.     

基于遗传算法的支持向量机短期风速预测

对风电场风速实现较准确的预测,可以有效减轻并网后风电场对电网的影响。支持向量机模型的预测精度在很大程度上依赖于模型参数的选择,为提高预测模型的泛化能力和预测精度,应用遗传算法选择支持向量机的模型参数,再根据选择的参数对小时风速进行预测。实验结果表明本文方法能够获得较高的风速预测精度。