為提高溫度預(yù)報(bào)精度,本文提出一種新的相似偏差訂正法建立短期溫度預(yù)報(bào)模型,并與氣象業(yè)務(wù)常用的多元回歸法、BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行對比。結(jié)果表明:（1）溫度預(yù)報(bào)精度均具有明顯日變化特征,午后精度較高,而凌晨精度偏低;（2）基于20:00起報(bào)資料得到的溫度預(yù)報(bào)精度略高于08:00起報(bào)資料;（3）溫度預(yù)報(bào)精度由高到低的順序依次為相似偏差訂正法、BP神經(jīng)網(wǎng)絡(luò)法、多元回歸法和ECMWF模式產(chǎn)品的2 m溫度,若從制作短期逐時溫度預(yù)報(bào)的精度、合理性及運(yùn)行效率等方面考慮,相似偏差訂正法優(yōu)于BP神經(jīng)網(wǎng)絡(luò)法和多元回歸法。 

【文章來源】：氣象研究與應(yīng)用. 2020,41(03)

【文章頁數(shù)】：6 頁

【部分圖文】：

2016年12月1日—2017年1月21日不同溫度預(yù)報(bào)模型在不同時次的溫度準(zhǔn)確率

(2)20:00起報(bào)（圖4b),T2m＿AccModel、T2m＿AccSim、T2m＿AccReg、T2m＿AccBp分別有6個、25個、16個、20個時次預(yù)報(bào)準(zhǔn)確，類似圖4(a），溫度預(yù)報(bào)準(zhǔn)確率由高到低分別為T2mSim、T2mBp、T2mReg和T2mModel。表2給出了00—24時、24—48時、48—72時、00—72時內(nèi)T2mModel、T2mSim、T2mReg、T2mBp的平均溫度預(yù)報(bào)準(zhǔn)確率統(tǒng)計(jì)結(jié)果，從表2可看出，在各個時間段范圍內(nèi)，平均溫度預(yù)報(bào)準(zhǔn)確率由高到低分別為T2mSim、T2mBp、T2mReg和T2mModel，且20∶00起報(bào)資料略好于08∶00起報(bào)資料。

圖1為相似偏差訂正法的計(jì)算流程圖，在建立模型之前，先獲取歷史資料T2mModel和與實(shí)況溫度之間的溫度偏差TDer，并對模式預(yù)報(bào)產(chǎn)品中的降水量TP、各層次相對濕度RH、10m風(fēng)速UV10m、10m風(fēng)向Dir10m、中低云量ML、總云量AC等進(jìn)行歸一化處理，分別計(jì)算其與溫度偏差TDer之間的相關(guān)系數(shù)值，選取相關(guān)系數(shù)絕對值大于0.1的氣象要素作為因子，分別為RH700(-0.6096）、ML (-0.5476）、AC (-0.5288）、RH850(-0.5154）、RH2m(-0.4806）、TP(-0.3840）、UV10m(-0.3096）、RH500(-0.2963）、Dir10m(0.1296）。通過求取歸一化后的多種氣象要素平方和（圖1中的ABS），其中，ABS值越小，則表明相似度越高，依ABS值由小到大挑選5個歷史資料中最相似樣本，并計(jì)算實(shí)況溫度與T2mModel之間的平均溫度偏差TDer，加上數(shù)值預(yù)報(bào)模式產(chǎn)品中的XT2m，得到的溫度Tneed（見圖1），即為相似偏差訂正法的預(yù)報(bào)結(jié)果。1.3 溫度預(yù)報(bào)效果檢驗(yàn)方法

【參考文獻(xiàn)】：
期刊論文
[1]基于溫度的參考作物蒸散量計(jì)算方法的適用性評價(jià)[J]. 劉倩,張方敏,李威鵬,楊雷剛,景元書.  氣象與環(huán)境科學(xué). 2019(02)
[2]基于數(shù)值預(yù)報(bào)模式的鄉(xiāng)鎮(zhèn)溫度預(yù)報(bào)方法研究[J]. 吳春英,劉多文,鐘博,蔣婷婷,于蕙箐,陳佳美,高燕.  氣象與環(huán)境學(xué)報(bào). 2019(01)
[3]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在地面溫度多模式集成預(yù)報(bào)的應(yīng)用研究[J]. 雷彥森,蔡曉軍,王文,李江峰,李倩文.  氣象科學(xué). 2018(06)
[4]模式距平積分訂正法對廣西區(qū)域ECMWF地面2m溫度預(yù)報(bào)的訂正效果評估[J]. 何珊珊,李妍君,李向紅.  氣象研究與應(yīng)用. 2018(03)
[5]基于BJ-RUC模式預(yù)報(bào)產(chǎn)品的北京冬半年道面溫度預(yù)報(bào)模型[J]. 董顏,尤煥玲,郭文利,閔晶晶.  氣象. 2017(10)
[6]基于集合預(yù)報(bào)系統(tǒng)的日最高和最低氣溫預(yù)報(bào)[J]. 熊敏詮.  氣象學(xué)報(bào). 2017(02)
[7]基于INCA和METRo的江蘇省路面高溫精細(xì)化預(yù)報(bào)[J]. 馮蕾,王曉峰,何曉鳳,郜婧婧.  應(yīng)用氣象學(xué)報(bào). 2017(01)
[8]日光溫室番茄低溫凍害指標(biāo)確定及溫度預(yù)報(bào)模型建立[J]. 張淑杰,孫立德,馬成芝,張菁,陳艷秋,李廣霞,韓秀君,吳曼麗,郭海.  氣象與環(huán)境學(xué)報(bào). 2016(04)
[9]遞減平均法對陜西SCMOC精細(xì)化溫度預(yù)報(bào)的訂正效果[J]. 王丹,黃少妮,高紅燕,馬磊,王建鵬.  干旱氣象. 2016(03)
[10]華南西部歐洲細(xì)網(wǎng)格2m溫度預(yù)報(bào)誤差分析[J]. 祁麗燕,黃明策,蘇洵.  氣象研究與應(yīng)用. 2015(04)



本文編號：3399895