《应用模式统计预报法制作温度客观预报》由会员分享，可在线阅读，更多相关《应用模式统计预报法制作温度客观预报（4页珍藏版）》请在金锄头文库上搜索。
1、2 4 6计算机技术与应用进展2 0 0 6应用模式统计预报法制作温度客观预报张彦春台肥工业大学计算机与信息学院安徽省2 3 0 0 0 9摘要：介绍了以日本数值预报产品为因子，用M O S 统计预报方法制作白城市平台地区日最高气温、最低气温客观预报的方法，补充了平台地区温度预报主要依靠主观判断的不足，对温度有一定的预报能力。 关冀词：数值预报产品M O S 预报法温度客观预报1 引言做好温度预报是日常天气预报保障的重点和难点之一。由于温度日变化受冷( 暖) 平流、空气 的垂直运动、云、及日照辐射等多方面因素的影响，预报难度较高。目前我台仍主要依靠预报员人为判断的方法制作温度预报，主观程度大。
2、本文介绍了以某年5 - 6 月E t 本数值预报产品为资料，应用模式输出统计预报法制作日最高气温、最低气温的方法，并对当年7 月逐日最高气温、最低气温进行了试报。预报准确率较高，对气温的预报有一定的参考价值。2 技术方法1 1 统计方法简介目前在局部地区天气预报中，数值预报产品的释用，通常使用数值模式输出的动力物理量作为预报因子，收集若干样本资料用回归分析或判别分析等统计方法，建立预报模型预报未来的某些要素。其中用统计方法做要素预报主要有经典统计法、完全预报法( P P M ) 、模式输出统计预报法( M O S ) 三种。由于M O S 预报是直接使用数值预报结果，所以数值预报模式的偏差自动
3、统- - N 统计 预报的拟合误差中去了，因此只有一个误差。由于现在数值预报产品精度的提高，M O S 预报的准确率要比其他两种统计方法预报的准确率高。预计在今后的一段时间内，M O S 法将是业务预报中主要使用的统计方法t 1 ”。因此，在本次统计分析中，我们采用了M O S 法制作温度的客观定量预报。1 2 逐步回归分析方法的基本思想在方程求解的过程中，我们采用多元回归分析中的逐步回归分析方法求解预报方程，其基本思想是t 将预报因子一个一个地引入方程，每引进一个因子，其条件是通过因子重要性分析说明它确 实比其它一切待选因子的熏要性都大，即它的方差贡献值最大，并且经过因子显著性检验证明它合格
4、。当引进这个新因子之后，不要忘记因子和因子之间也有相关性，这种相关性会对原有因子的贡献起破坏作用即由于新因子的影响会使原有的本来重要显著的某个老因子变得不重要了，不显著了，因而从方程中剔除它，然后再引进下一个新因子，剔除受影响的不显著的老因子，这样逐步引 进、剔除，直到经统计检验证明不可能再引进好的因子了，也没有因子需剔除时终止。这种对因子的引进和剔除是同线性方程组的求解过程同进进行的，这种计算方案称之为“求解求逆紧凑方案”。应用模式统训预报法制作温度客观预报2 4 7这种方案计算简便，f U 靠性大，由十每步都是作用显著的、重要的，因此预报方程获得“最佳”称号，它已成为目 j i f 统计天
5、气预报中切实可行的方法之一。3 温度预报1 3 资料的选用应用某年5 - 6 月H 本数值预报产品和气温观测值的6 1 个样本作为预报因子的原始资料。1 4 因子的选取和分析1 4 1 因子的选取根据天气学原理和温度预报专家经验，主要初选了以下因子，因子及其含义、资料来源如表1表1 因子含义说明因子因子的含义资料来源X l2 4 小时前期目最高气温 观测本X 22 4 小时前期日最低气温X 38 5 0 h P a 2 4 小时温度预报值F X F E 7 8 2X 48 5 0 h P a 3 6 小时温度预报值F X F E 7 8 3X 58 5 0 h P a 2 4 小时温度预报值与
6、前一天预报值之差F X F E 7 8 2X 68 5 0 h P a 3 6 小时温度预报值与前一天预报值之差F X F E 7 8 3X 75 0 0 h P a 温度预报值F X E 5 7 2X 85 0 0 h P a 温度预报值F X F E 5 7 3X 95 0 0 h P a 2 4 小时温度预报值与前一天预报值之差F X F E 5 7 2X 1 05 0 0 h P a 3 6 小时温度预报值与前一天预报值之差F X F E 5 7 3X 1 l5 0 0 h P a 高度场2 4 小时预报值F U F E 5 0 2 X 1 25 0 0 h P a2 4 小时高度场预
7、报值与前一天预报值之差F X P E 5 7 21 4 2 因子的物理意义因为日最高气温、最低气温变化具有较好的连续性，X 1 、X 2 无疑是物理意义明显的因子； X 3 、x 4 反应了低空温度场的情况；X 5 、X 6 从客观上反应了低空温度变化及平流的强弱；X 7 、X 8表示5 0 0 h P a 高空温度场情况；X 9 、X 1 0 表示5 0 0 h P a 高空温度场变化强度；由于5 0 0 h P a 高度场和温度具有很好的对应关系，我们选择了反应5 0 0 h P a 高度场状况的因子X 1 】、X 1 2 。X 1 1 反应了 5 0 0 h P a 高度场及影响系统的强
8、弱，x i 2 表示了系统的变化情况。1 ，4 3 高度场的平滑处理 其中，为了避免单点资料的随机性，突出丰要信息，抑制其他因素的干扰，对5 0 0 h P a 高度场预报值进行了5 点平滑处理。其中5 点滑动平均公式为：h = 1 8 4r h l + h 2 + h 3 + h 4 + 4 + h 0 )h 1 、h 2 、h 3 、h 4 、h 0 分别表示( 5 0 0 N ，1 2 0 0 E ) 、( 5 0 。N ，1 2 5 0 E ) 、( 4 0 。N ，1 2 0 。E ) 、( 4 0 。N ，1 2 5 。E ) 及平台地区5 0 0 h P a 高度场预报值，h 。
9、表示平滑后的结果。1 4 4 因子无量纲化 对于不同的因子，它们的取值范围和单位都不相同，为了在无量纲影响下进行计算，进行了因子无量纲化处理，即令z t j = ( x t j x ) S Q R ( S j j l2 4 8计算机技术与应用进展2 0 0 6X = l n 年x q ，S j j = 争( x t j - X ) 2 ，t = ( 1 ，2 ，n ) ，j = ( 1 ，2 ，m ) ，n 为样本数，m 为因子数，S Q R ( S j j )表示s j j 的平方根，z t j 表示各因子标准化后的数据。1 5 预报模型的建立根据上述介绍的逐步回归分析方法，我们使用V i
10、s u a lB a s i c 语言设计了求解程序，对收集的两个月各因子历史资料进行计算，对因子X 1 x 1 2 逐个进行引进和剔除检验，最后确定预报方程如下：Y 1 = 1 1 3 2 + 0 1 1r X l 2 5 6 2 ) + 0 ，2 7 ( X 3 - 1 0 0 3 ) + 0 4 ( X 7 + 1 7 7 9 ) 一0 0 6 ( X 1 0 * 0 3 1 ) + O 0 7 ( X 1 1 - 5 6 2 3 8 ) - 0 2 1 ( X 1 2 0 4 6 )( 1 )Y 2 = 2 5 8 3 + 0 2 7 ( X 1 - 2 5 6 2 ) 一0 1 6
11、( X 3 - 1 0 0 3 ) + 0 7 2 ( X 4 - 1 2 0 2 ) +0 1 9 ( X 5 0 3 9 ) + 0 1 ( X 1 2 0 4 6 )( 2 )其中，式( 1 ) 为最低气温预报方程，式( 2 ) 为最高气温预报方程。1 6 方程效果分析我们对方程进行了拟合效果分析”J ，结果如表2 所示。通过表2 分析说明，两个预报方程效果均显著。表2 方程拟台效果分析表剩余标准差复相关系数F 检验结果回报正确次数历史概括率方程( 1 )1 6 50 9 4 84 7 4 7 6 F ( 6 5 4 、= 1 8 94 87 9 方程( 2 )l8 70 9 4 74
12、7 8 2 4 F ( 4 ，5 5 ；) = 1 9 64 98 0 4 预报效果对比分析为了检验方程预报效果，我们应用预报模型对7 月逐日最高气温、最低气温进行了试报，并与预报员的预报结果进行了对比分析( 如图1 ) ：l3579l l1 3 1 51 71 9 2 12 32 5 2 72 93 1一实捌值一- - 一预报员 M 口S 法图1 最低气温的实测值与预报员、M O S 法预报效果对比图1 为最低气温的实测值、预报员的预报结果和应用M O S 法预报结果对比分析曲线图，最高气温对比分析结果类同，此处从略( x 轴为日期，Y 轴为最低气温的指示值，单位：) 。经过计算，M O S
13、 预报法与预报员的预报误差和准确率见表3 所示。从表3 和图1 的对比分析中我们可以看出，应用模式统计预报法制作温度客观预报2 4 9M O S 法和预报员的预报结果均反映了气温的冷暖变化，二者相对实测值均有滞后效应，但使用M O S法对最高气温和最低气温的客观预报结果要比预报员的主观预报水平好。表3M O S 法与预报员预报效果对比分析表平均绝对误差预报正确次数预报准确率( )M o S预报员M o S预报员M O S预报员最低气温l3 91 3 32 52 48 17 7最高气温17 41 8 72 31 97 46 15 结论与存在的问题从对某年7 月逐日最高、最低气温预报效果对比分析的
14、结果表明，以日本数值预报产品为因子，应用M O S 法制作温度客观预报是完全可行的，我们仅选用了少量的样本，预报结果就能够接近甚至超过主观预报水平。在样本资料增加的情况下，无疑会提高气温预报的准确率。我们应用V i s u a lB a s i c 语言编制了气温预报程序，并投入业务试运行，使用效果较为理想。如何选择独立性好、贡献显著、对温度预报具有指示性意义的因予是本次应用M O S 法制作温度 预报成败的关键。此次由于时间仓促，选用样本资料少，预报误差相对要大一些，预报方程的稳定性有待考证，但对平台地区气温及其他气象要素的客观预报无疑是一次有益的尝试。我们将在本文 的基础上，选用较多的样本
15、资料，根据不同的时段划分，制作多个气温预报方程。并探讨日平均风速、降水的分级预报、降雨与晴雨等预报，使气象要素预报由主观预报向客观化、自动化方向发展。参考文献【1 】陈谋国统计天气预报原理和方法南京：空军气象学院出版社，1 9 8 7 ：1 0 5 1 3 1 ，3 8 4 3 9 7【2 】余剑莉统计天气预报北京：气象出版社，1 9 8 9 ：8 2 9 8 U s i n gM O SM e t h o dt oM a k et h eO b j e c t i v eT e m p e r a t u r eF o r e c a s to fP i n g t a iR e g i o
16、 nZ H A N GY a n c h u nC o m p u t e ra n dI n f o r m a t i o nI n s t i t u t eo fH e f e iU n i v e r s i t yo fT e c h n o l o g y ，A n h u iP r o v i n c e ，2 3 0 0 0 9A b s t r a c t ：I ti n t r o d u c e sa no b j e c t i v ew e a t h e rf o r e c a s tm e t h o d ，w h i c hu s i n gM O Ss t a t i s t i c f o r e c a s tm e t h o dt om a k et h eh i g h e s ta n dl o w e s ta i rt e m p e r a t u
