CN111257970A - 一种基于集合预报的降水预报订正方法及*** - Google Patents
一种基于集合预报的降水预报订正方法及*** Download PDFInfo
- Publication number
- CN111257970A CN111257970A CN201811463746.0A CN201811463746A CN111257970A CN 111257970 A CN111257970 A CN 111257970A CN 201811463746 A CN201811463746 A CN 201811463746A CN 111257970 A CN111257970 A CN 111257970A
- Authority
- CN
- China
- Prior art keywords
- forecast
- scheme
- correction
- rainfall
- convection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012937 correction Methods 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 71
- 238000001556 precipitation Methods 0.000 claims abstract description 63
- 230000008030 elimination Effects 0.000 claims abstract description 9
- 238000003379 elimination reaction Methods 0.000 claims abstract description 9
- 238000002156 mixing Methods 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 22
- 230000004907 flux Effects 0.000 claims description 18
- 230000001419 dependent effect Effects 0.000 claims description 16
- 238000011160 research Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/18—Testing or calibrating meteorological apparatus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于集合预报的降水预报订正方法，其特征在于，包括：根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据；基于所述训练期数据构建订正模型；基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报。本发明的技术方案有效降低了人工对降水数值修订的误差，实现了在当前预报水平下，针对现有降水预报数据，基于集合预报的结果，利用误差消除法对降水预报结果进行后订正处理，最大化预报数据的可用性。
Description
技术领域
本发明涉及电网防灾减灾领域，具体涉及一种基于集合预报的降水预报订正方法及***。
背景技术
在全球变暖和极端气象事件频发的背景下，强降雨、台风、高温热浪等极端气象灾害及其次生灾害对电网的规划建设、调度运行带来严重影响；尤其是强降水及其次生灾害会对电网的安全运行产生重要影响。2012年7月21日，北京迎来一次特大暴雨过程，城区平均降水量215mm，其中一个镇降水量达到了为460mm。持续强降雨造成了110kV变电站大面积停电。本次暴雨灾害电网造成冲击，220kV、110kV均发生了瞬时故障，受山洪和积水影响，电网10kV设备共发生76起永久性故障。由此可见，强降水灾害对电网可造成巨大危害，做好强降水预报工作有着极其重要的意义。为了将电网损失降到最低，暴雨预报方面的研究逐步开展，现己取得了一定的研究成果，而随着计算能力的不断提升和预报模式的逐步优化，精细化强降雨数值天气预报模式在时空分辨率等方面的模拟能力得到进一步提升，降水预报的准确率也有了较大提升，尤其是降水落区基本都能够得到准确的预报。但是在降水量级的预报上不同的数值模式却有着较大的差别，不同模式的参数化方案设置影响着降水量模拟的计算结果，一旦降水量的模拟值偏差较大，就会影响降水量级的预报，错误的估计降水可能造成的灾害，因此如何对数值模式的降水量预报结果进行修正是提高降水预报精度的关键环节之一。
目前在降水预报后订正方面的研究主要集中在业务化的人工经验修正。一般来说，各个地区的气象预报员会根据各个地区不同的地理、气候状况，参考不同模式的预报结果对降水量预报结果进行修正。但是，具体修正的数值大小大多是人工经验所决定的，没有一个统一的标准和确定性的方法。
发明内容
目前的修正的数值大小大多是人工经验所决定的，没有一个统一的标准和确定性的方法，为了解决现有技术中人工修正时的主观性误差，使得后订正结果更加具有科学意义，可以结合集合预报多模式成员的预报结果来进行修正。同传统的“单一”确定论的数值预报不同，集合预报是从“一群”相关不多的初始出发而得到“一群”预报值的方法，这就是经典的集合预报概念。在集合预报中，不同的预报成员采用了不同的参数化方案设置，这样使得尽可能多的包含可能出现的预报结果，而基于集合预报后订正方法的意义，就是从这些可能的预报结果中找出最接近实际的一组或几组预报结果进行集成和修正，得到最终确定性的预报结果。
在调研目前降水预报模型以及对暴雨预警方面研究现状，综合电网安全稳定以及运维检修对降水预报产品的实际需求，本发明人积极加以研究和创设，以发明一种基于集合预报的降水预报订正方法，用于从集合预报结果中找出最接近实际的一组或几组预报结果进行集成和修正，得到最终确定性的降水量预报结果，进一步提升现有降水预报产品的可利用性和适用性，从而服务于电网运维检修和安全稳定运行。本方法基于WRF预报模式输出的降水预报数据，采用分类消除偏差法对降水量预报产品进行评估和释用，本发明提供一种宽频电容式分压器。
本发明提供的技术方案是：
一种基于集合预报的降水预报订正方法，包括：
根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；
根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据；
基于所述训练期数据构建订正模型；
基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报。
优选的，所述降雨类型包括：对流雨、地形雨、锋面雨和台风雨；
所述参数化方案包括：常规对流调整业务化方案、多参数封闭积云次网格方案、高分辨陆面次网格方案、局地城市下垫面小尺度方案、考虑复杂陆面类型的科研试验方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、不考虑对流的浅传输方案、考虑多层土壤的次网格方案、次网格总质量通量方案、非局地非对称垂直混合对流模式、考虑气候影响的多层对流传输方案；
所述预报成员包括：常规对流调整业务化方案、不考虑对流的浅传输方案、局地城市下垫面小尺度方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案。
优选的，所述根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员包括：
当所述降雨类型为对流雨时，设定预报成员为：常规对流调整业务化方案、不考虑对流的浅传输方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案
当所述降雨类型为地形雨时，设定参数化方案为：常规对流调整业务化方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案；
当所述降雨类型为锋面雨时，设定参数化方案为：不考虑对流的浅传输方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式和业务化控制方案；
当所述降雨类型为台风雨时，设定参数化方案为：常规对流调整业务化方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案。
优选的，所述根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据，包括：
当所述降雨类型为对流降雨时，设定滑动训练期数据为预报当天前I1天的数据；设定训练期数据包括：临近N1年的对流降雨显著的M1天和滑动期数据；
当所述降雨类型为锋面雨时，设定滑动训练期数据为预报当天前I2天的数据；设定训练期数据包括：临近N2年的对流降雨显著的M2天和滑动期数据；
当所述降雨类型为地形雨时，设定滑动训练期数据为预报当天前I3天的数据；设定训练期数据为：临近N3年的对流降雨显著的M3天和滑动期数据；
当所述降雨类型为台风雨时，设定滑动训练期数据为预报当天前I4天的数据；设定训练期数据为：临近N4年的对流降雨显著的M4天和滑动期数据。
优选的，所述I1为10、N1的取值范围为1或2、M1为60；
所述I2为10、N2的取值范围为1或2、M2为60；
所述I3为10、N3的取值范围为1或2、M3为20；
所述I4为5、N4的取值范围为1或2、M4为30。
优选的，所述基于所述训练期数据构建订正模型，包括：
基于所述训练期数据通过偏差消除法进行训练，建立订正模型；
所述订正模型包括：非地区统一订正模型和地区统一订正模型。
优选的，所述非地区统一订正模型，如下式所示：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi为第i个预报成员在该点的预报误差；n为预报成员的个数；
其中：Oi＝Fi-Bi；
式中：Bi是第i个成员在该点的实际观测值；Fi为第i个成员在该点的预报值。
优选的，所述地区统一订正模型，如下式所示：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi，j为第i 个预报成员在该点的预报误差；n为预报成员的个数；
其中，Oi，j＝Fi，j-Bi，j；
式中，Fi，j为第i个成员在j点的预报值；Bi，j是第i个成员在j点的实际观测值。
优选的，所述基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报结果，包括：
分别计算订正模型对所述滑动期预数据的订正结果和订正模型对所述滑动期预数据订正前的预报结果的降水预报暴雨评分，并进行比较，若订正结果的平均报暴雨评分高于订正前，将订正模型对所述滑动期预数据的订正结果设定为降水预报结果，否则将订正模型对所述滑动期预数据订正前的预报结果设定为降水预报结果。
优选的，所述暴雨预报评分，按下式计算：
式中NAk为预报正确站(次)数、NBk为空报站(次)数、NCk为漏报站(次) 数。
一种基于集合预报的降水预报订正***，包括：
确定模块：用于根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；
订正模型构建模块：用于基于所述训练期数据构建订正模型；
判断模块：用于基于订正模型对所述滑动期预数据的订正结果和订正模型对所述滑动期预数据订正前的预报结果确定是否需要使用所述订正模型对所述滑动期预报降水量对进行订正。
优选的，所述确定模块，包括：参数化方案确定子模块、预报成员确定子模块；
所述参数化方案包括：常规对流调整业务化方案、多参数封闭积云次网格方案、高分辨陆面次网格方案、局地城市下垫面小尺度方案、考虑复杂陆面类型的科研试验方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、不考虑对流的浅传输方案、考虑多层土壤的次网格方案、次网格总质量通量方案、非局地非对称垂直混合对流模式、考虑气候影响的多层对流传输方案
预报成员确定子模块：常规对流调整业务化方案、不考虑对流的浅传输方案、局地城市下垫面小尺度方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案。
优选的，所述订正模型构建模块，包括：非地区统一订正模型子模块和地区统一订正模型子模块；
所述非地区统一订正模型子模块包含如下计算式：
式中：E为预报成员的总预报误差；，ki为第i个成员的订正系数；Oi为第i个预报成员在该点的预报误差；n为预报成员的个数；
其中：Oi＝Fi-Bi；
式中：Bi是第i个成员在该点的实际观测值；Fi为第i个成员在该点的预报值。
所述地区统一订正模型包含如下计算式：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi，j为第i 个预报成员在该点的预报误差；n为预报成员的个数；
其中，Oi，j＝Fi，j-Bi，j；
式中，Fi，j为第i个成员在j点的预报值；Bi，j是第i个成员在j点的实际观测值。
与现有技术相比，本发明的有益效果为：
1、本发明提供的技术方案，包括：根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据；基于所述训练期数据构建订正模型；基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报。本发明的技术方案有效降低了人工对降水数值修订的误差，实现了在当前预报水平下，针对现有降水预报数据，基于集合预报的结果，利用误差消除法对降水预报结果进行后订正处理，最大化预报数据的可用性。
附图说明
图1为本发明的一种基于集合预报的降水预报订正方法示意图；
图2为本发明实施例的一种基于集合预报的降水预报订正方法流程图；
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：
如图1所示一种基于集合预报的降水预报订正方法，包括：
S1根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；
S2根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据；
S3基于所述训练期数据构建订正模型；
S4基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报。
具体如图2所示
S1根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；
对降水类型进行分类，根据降水类型从集合预报成员中选取合适参数化方案设置的预报成员。
(1)根据已有的集合预报***，从集合预报成员中选取与降水预报相关的参数化方案设置的预报成员。在中尺度天气预报模式(WRF)的参数化方案中，涉及到降水预报过程的主要是微物理过程，积云对流过程和边界层的参数化方案，其中微物理过程目前有8种不同的参数化方案，积云对流过程有7种不同的参数化方案，边界层参数方案更是多达十几种，在这些不同参数化方案排列组合的过程中，能形成很多种不同的模式设置结果。基于中国地区的降水类型及时空分布特性，一般的气象部门用于降水的集合预报成员大概有10～20种，因此在不同的预报***和平台上，需要根据已有的集合预报成员基于一些规则进行挑选，选出合适参数化方案设置的模式成员参与到订正过程中。
(2)根据不同的降水类型，确定参与订正的成员。中国地区目前的降水类型主要有4类。依据造成空气上升运动的成因，可把降水分成对流雨、地形雨、锋面雨和台风雨四种类型：
锋面雨是由于冷暖锋交会，暖锋主动抬升或被动爬升，在上升降温过程中冷凝致雨，我国北方大部分地区夏季的暴雨都是锋面雨；
对流雨是由于高空和地面的空气对流强烈，地面热空气对流上升冷却过程中形成降雨，一般在热带地区的午后比较常见，表现为小尺度分散性降水；
地形雨是由于湿润的气团遇到高大山地的阻挡，在爬升过程中冷却形成降雨，一般多发于盛行风的迎风坡。相应的，盛行风的背风坡则形成了“雨影区”，降水稀少，气候干燥；
台风雨，顾名思义是由台风引起的降雨，一般雨势很大并伴随着大风，常常出现“狂风骤雨”。台风雨持续的时间不一，有时很短，只有几小时甚至几分钟，有的很长，可以达到几天，这全看降雨的地方是出于台风近中心还是台风边缘。在东南沿海，更经常受台风雨的影响。随后根据下垫面类型判断，不同的下垫面类型决定了不同的边界层方案的设置。按照以上步骤根据不同的降雨类型和下垫面类型进行层层判定，直至选出最佳成员参数化组合方案。
(3)选择合适的初始场资料。目前世界上的许多国家都拥有自己的一套背景场和初始场资料，各个国家的气象中心常用的初始场资料主要有欧洲、美国、加拿大、日本、韩国等等国家开发的初始场资料，但是由于使用的方法和观测数据有一定差别，初始场数据的质量也有所不同，因此在选择模式参数化方案的同时，还需要选取模拟效果较好的初始场资料进行预报和订正。考虑到在大尺度天气***中，初始场模拟的质量在短时间内具有一定的连续性和持续性，选取初始场的基本原则定义为比较过去24小时内的不同的初始场在相同参数化方案设置下的模拟结果，计算各个初始场资料模拟出来的降水预报暴雨预报评分(TS评分)，TS评分高于当前业务预报模式的初始场成员参与到下一天降水预报的订正中。完成此步骤后，结合上一步中选出的参数化方案设置，通过排列组合，参与到订正的集合预报成员便能够全部确定下来。
S2根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据；
根据不同降水类型选取训练期和预报期，采用消除偏差法建立订正模型
(1)针对我国不同地区不同季节的降水类型分布特点，需要选取合适的训练期，才可能获取预报期内模式预报特点的预报偏差，在本订正方法过程中采取了历史训练期和滑动训练期相结合的混合训练期来进行订正模型的训练和建立，其中历史训练期可选择1-2年内全国的降水类型比较单一并且突出的时段，而滑动训练期应当选择预报当天临近的一些时间段，以保证预报的连续性和有效性。通常训练期可选择的时长为1～3个月比较合适。
S3基于所述训练期数据构建订正模型；
(2)使用偏差消除法进行训练，建立订正模型。传统的消除偏差法订正过程分为训练期和预报期。训练期使用模式预报和观测数据计算得到模式的历史平均预报偏差(以下简称为预报偏差)，预报期利用训练期内得到的预报偏差B 订正模式的实时预报：在本降水订正方法中，假设第i个预报成员在该点的预报误差Oi＝Fi-Bi，其中Fi为第i个成员在该点的预报值，Bi是第i个成员在该点的实际观测值，假设ki为第i个成员的订正系数，则所有成员的总预报误差满足
其中，∑ki＝1
在训练期内调整ki的值，使得训练期内的总预报误差达到最小值，从而求得了每个集合预报成员的订正系数，建立该点的降水预报订正模型。
(3)假设在整个订正过程中，模式的所有参数无任何改动，可以推测，该模式对同一地区的强降水过程的预报特点应相差不大，即具有相似的***性误差，因此对于降水类型相同的一个地区而言，可以采用地区统一订正。假设第i个预报成员在预报点j的预报误差Oi，j＝Fi，j-Bi，j，其中Fi，j为第i个成员在j点的预报值，Bi，j是第i个成员在j点的实际观测值，假设ki为第i个成员的订正系数，则所有成员的总预报误差满足：
其中，∑ki＝1
在训练期内调整ki的值，使得训练期内的总预报误差达到最小值，从而求得了每个集合预报成员的订正系数，建立该点的降水预报订正模型。
S4基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报
订正模型模拟结果检验
基于第二步的结果，建立订正模型，对滑动训练期内的降水预报结果进行订正，计算每一天的暴雨预报TS评分。比较订正结果TS评分和当天未订正前预报结果的TS评分，如果训练期内订正后的几天预报结果的平均TS评分高于订正前，则表明订正有效，选择使用该模型进行订正。
发布预报结果
在第三步基础上，选择最终是否使用订正模型进行修正，并计算最终预报结果，汇总全国降水预报数据，供电网运维人员使用参考。
实施例2：
一种基于集合预报的降水预报订正方法，可通过以下步骤实施应用：
(1)目前，中国电科院数值天气预报中心的全国3km业务化预报模式采用的参数化方案设置为GFS_WCTRL，以此得到确定性的全国降水量预报，集合预报的结果将用于修正此业务化方案的预报结果。而在全国9km集合预报***根据不同wrf的参数化方案设置一共有以下12类方案：
常规对流调整业务化方案’WCBMJ’，多参数封闭积云次网格方案’WCG3D’，高分辨陆面次网格方案’WMTHO’，局地城市下垫面小尺度方案’WPBOU’，考虑复杂陆面类型的科研试验方案’WPGBM’，复杂地表下垫面影响方案’WPMN2’，依赖尺度的垂直混合方案’WPSHS’，不考虑对流的浅传输方案’WCNST’，考虑多层土壤的次网格方案’WPRUC’，次网格总质量通量方案’WPTMF’，非局地非对称垂直混合对流模式’WPACM’，考虑气候影响的多层对流传输方案’WPUNW’。其中涉及到降水预报过程的主要是微物理过程，积云对流过程和边界层的参数化方案，因此从中选出适用于降水预报的集合预报成员有①’WCBMJ’(常规对流调整业务化方案)，②’WCNST’(不考虑对流的浅传输方案)，③’WPBOU’(局地城市下垫面小尺度方案)，④’WPMN2’(复杂地表下垫面影响方案)，⑤’WPSHS’(依赖尺度的垂直混合方案)，⑥’WPACM’(非局地非对称垂直混合对流模式)，⑦’WPTMF’(次网格总质量通量方案)7种，加上业务化控制方案⑧WCTRL，然后选取4个不同的全球初始场资料，分别是ECM(欧洲中心)、GEM(加拿大)、GFS(美国)、GSM(日本)，因此一共参与后订正的模式成员数量为31个。
(2)根据不同的降水类型，确定参与订正的成员。中国地区目前的降水类型主要有4类。依据造成空气上升运动的成因，可把降水分成对流雨、地形雨、锋面雨和台风雨四种类型：锋面雨尺度大小不一，对流影响稍弱，其参数化方案选择为12568；对流雨一般在热带地区的午后比较常见，表现为小尺度分散性降水，其参数化方案选择为1678；地形雨是多是动力抬升，其对流参数化方案可以选择为2568；台风雨通常尺度较大，其对流效应较明显，参数化方案可选择为15678。随后根据下垫面类型判断是否是复杂下垫面，无复杂地形不选择34，城市类下垫面选择3，非城市类复杂下垫面选择4。按照以上步骤根据不同的降雨类型和下垫面类型进行层层判定，选出最佳成员参数化组合方案。
(3)选择合适的初始场资料，目前，中国电科院数值天气预报中心使用的 4个初始场资料的模拟准确程度不一致，需要选取比当日所使用的GFS的初始场模拟状况更好的初始场进行订正。除业务化使用的GFS_WCTRL之外，将另三个成员ECM_WCTRL，GEM_WCTRL，GSM_WCTRL的全国2170个气象站点累积降水量预报结果和GFS_WCTRL预报的降水量结果进行比对，TS评分高于GFS的初始场成员参与到下一天降水预报的订正中。至此，参与到当天降水预报订正的所有成员便全部确定下来
(4)根据不同的降水类型确定各自的训练期：
降水类型为对流雨的地点，历史训练期为2015-2016年内选出来的对流降雨较为显著的60天，滑动训练期为预报当天过去的10天，一共70天的训练期。降水类型为锋面雨的地点，历史训练期为2015-2016年内选出来的锋面降雨较为显著的60天，滑动训练期为预报当天过去的10天，一共70天的训练期。降水类型为地形雨的地点，滑动训练期为预报当天过去的10天，历史训练期为2015、 2016两年内各自对应的10天，一共30天的训练期。降水类型为台风雨的地点，历史训练期为2015-2016年内选出来的台风影响较为显著的30天，滑动训练期为预报当天过去的5天，一共35天的训练期。
(5)基于确定的成员和训练时间，使用误差消除法计算不同地区的各个预报成员的订正系数，建立订正模型。以2018年8月30日江苏省某气象站为例，其当天降水类型以台风雨为主，选择的初始场为ECM和GFS，最终计算得到的参与订正的12个预报成员的订正系数分别为 0.12，0.02，0.04，0.21，0.1，0.06，0.01，0.01，0.15，0.19，0.05，0.04。由此得到订正模型。
(6)根据上一步的订正模型计算8月26～29日订正后的预报结果的TS评分， 4天平均值为0.18，高于GFS_WCTRL业务模式的0.13，因此确定使用订正模型；
(7)根据订正模型计算2018年8月30日的降水预报结果，发布给公司其他部门使用。
实施例3
基于同一种发明构思，本发明还提供了一种基于集合预报的降水预报订正***，包括：
确定模块：用于根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；
订正模型构建模块：用于基于所述训练期数据构建订正模型；
判断模块：用于基于订正模型对所述滑动期预数据的订正结果和订正模型对所述滑动期预数据订正前的预报结果确定是否需要使用所述订正模型对所述滑动期预报降水量对进行订正。
所述确定模块，包括：参数化方案确定子模块、预报成员确定子模块；
所述参数化方案包括：常规对流调整业务化方案，’多参数封闭积云次网格方案，’高分辨陆面次网格方案，局地城市下垫面小尺度方案，’考虑复杂陆面类型的科研试验方案，复杂地表下垫面影响方案，依赖尺度的垂直混合方案，不考虑对流的浅传输方案，’考虑多层土壤的次网格方案，次网格总质量通量方案，非局地非对称垂直混合对流模式，’考虑气候影响的多层对流传输方案。
预报成员确定子模块：①常规对流调整业务化方案，②不考虑对流的浅传输方案，③局地城市下垫面小尺度方案，④复杂地表下垫面影响方案，⑤依赖尺度的垂直混合方案，⑥非局地非对称垂直混合对流模式，⑦次网格总质量通量方案和⑧业务化控制方案。
所述订正模型构建模块，包括：非地区统一订正模型子模块和地区统一订正模型子模块；
所述非地区统一订正模型子模块包含如下计算式：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi为第i 个预报成员在该点的预报误差；n为预报成员的个数；
其中：Oi＝Fi-Bi；
式中：Bi是第i个成员在该点的实际观测值；Fi为第i个成员在该点的预报值。
所述地区统一订正模型包含如下计算式：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi，j为第i 个预报成员在该点的预报误差；n为预报成员的个数；
其中，Oi，j＝Fi，j-Bi，j；
式中，Fi，j为第i个成员在j点的预报值；Bi，j是第i个成员在j点的实际观测值。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (13)
1.一种基于集合预报的降水预报订正方法，其特征在于，包括：
根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；
根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据；
基于所述训练期数据构建订正模型；
基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报。
2.如权利要求1所述的一种基于集合预报的降水预报订正方法，其特征在于，所述降雨类型包括：对流雨、地形雨、锋面雨和台风雨；
所述参数化方案包括：常规对流调整业务化方案、多参数封闭积云次网格方案、高分辨陆面次网格方案、局地城市下垫面小尺度方案、考虑复杂陆面类型的科研试验方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、不考虑对流的浅传输方案、考虑多层土壤的次网格方案、次网格总质量通量方案、非局地非对称垂直混合对流模式、考虑气候影响的多层对流传输方案；
所述预报成员包括：常规对流调整业务化方案、不考虑对流的浅传输方案、局地城市下垫面小尺度方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案。
3.如权利要求2所述的一种基于集合预报的降水预报订正方法，其特征在于，所述根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员包括：
当所述降雨类型为对流雨时，设定预报成员为：常规对流调整业务化方案、不考虑对流的浅传输方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案
当所述降雨类型为地形雨时，设定参数化方案为：常规对流调整业务化方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案；
当所述降雨类型为锋面雨时，设定参数化方案为：不考虑对流的浅传输方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、业务化控制方案；
当所述降雨类型为台风雨时，设定参数化方案为：常规对流调整业务化方案依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案。
4.如权利要求2所述的一种基于集合预报的降水预报订正方法，其特征在于，所述根据所述降雨类型以及所预报成员从历史数据中选取训练期数据和滑动期数据，包括：
当所述降雨类型为对流降雨时，设定滑动训练期数据为预报当天前I1天的数据；设定训练期数据包括：临近N1年的对流降雨显著的M1天和滑动期数据；
当所述降雨类型为锋面雨时，设定滑动训练期数据为预报当天前I2天的数据；设定训练期数据包括：临近N2年的对流降雨显著的M2天和滑动期数据；
当所述降雨类型为地形雨时，设定滑动训练期数据为预报当天前I3天的数据；设定训练期数据为：临近N3年的对流降雨显著的M3天和滑动期数据；
当所述降雨类型为台风雨时，设定滑动训练期数据为预报当天前I4天的数据；设定训练期数据为：临近N4年的对流降雨显著的M4天和滑动期数据。
5.如权利要求2所述的一种基于集合预报的降水预报订正方法，其特征在于，所述I1为10、N1的取值范围为1或2、M1为60；
所述I2为10、N2的取值范围为1或2、M2为60；
所述I3为10、N3的取值范围为1或2、M3为20；
所述I4为5、N4的取值范围为1或2、M4为30。
6.如权利要求5所述的一种基于集合预报的降水预报订正方法，其特征在于，所述基于所述训练期数据构建订正模型，包括：
基于所述训练期数据通过偏差消除法进行训练，建立订正模型；
所述订正模型包括：非地区统一订正模型和地区统一订正模型。
7.如权利要求5所述的一种基于集合预报的降水预报订正方法，其特征在于，所述非地区统一订正模型，如下式所示：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi为第i个预报成员在该点的预报误差；n为预报成员的个数；
其中：Oi＝Fi-Bi；
式中：Bi是第i个成员在该点的实际观测值；Fi为第i个成员在该点的预报值。
8.如权利要求5所述的一种基于集合预报的降水预报订正方法，其特征在于，所述地区统一订正模型，如下式所示：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi，j为第i个预报成员在该点的预报误差；n为预报成员的个数；
其中，Oi，j＝Fi，j-Bi，j；
式中，Fi，j为第i个成员在j点的预报值；Bi，j是第i个成员在j点的实际观测值。
9.如权利要求1所述的一种基于集合预报的降水预报订正方法，其特征在于，所述基于订正模型对所述滑动期数据进行订正，根据订正结果确定降水预报结果，包括：
分别计算订正模型对所述滑动期预数据的订正结果和订正模型对所述滑动期预数据订正前的预报结果的降水预报暴雨评分，并进行比较，若订正结果的平均报暴雨评分高于订正前，将订正模型对所述滑动期预数据的订正结果设定为降水预报结果，否则将订正模型对所述滑动期预数据订正前的预报结果设定为降水预报结果。
10.如权利要求9所述的一种基于集合预报的降水预报订正方法，其特征在于，所述暴雨预报评分，按下式计算：
式中NAk为预报正确站(次)数、NBk为空报站(次)数、NCk为漏报站(次)数。
11.一种基于集合预报的降水预报订正***，其特征在于，包括：
确定模块：用于根据降雨类型通过集合预报成员的参数化方案确定参与订正的预报成员；
订正模型构建模块：用于基于所述训练期数据构建订正模型；
判断模块：用于基于订正模型对所述滑动期预数据的订正结果和订正模型对所述滑动期预数据订正前的预报结果确定是否需要使用所述订正模型对所述滑动期预报降水量对进行订正。
12.如权利要求11所述的一种基于集合预报的降水预报订正***，其特征在于，所述确定模块，包括：参数化方案确定子模块、预报成员确定子模块；
所述参数化方案包括：常规对流调整业务化方案、多参数封闭积云次网格方案、高分辨陆面次网格方案、局地城市下垫面小尺度方案、考虑复杂陆面类型的科研试验方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、不考虑对流的浅传输方案、考虑多层土壤的次网格方案、次网格总质量通量方案、非局地非对称垂直混合对流模式、考虑气候影响的多层对流传输方案
所述预报成员确定子模块：常规对流调整业务化方案、不考虑对流的浅传输方案、局地城市下垫面小尺度方案、复杂地表下垫面影响方案、依赖尺度的垂直混合方案、非局地非对称垂直混合对流模式、次网格总质量通量方案和业务化控制方案。
13.如权利要求11所述的一种基于集合预报的降水预报订正***，其特征在于，所述订正模型构建模块，包括：非地区统一订正模型子模块和地区统一订正模型子模块；
所述非地区统一订正模型子模块包含如下计算式：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi为第i个预报成员在该点的预报误差；n为预报成员的个数；
其中：Oi＝Fi-Bi；
式中：Bi是第i个成员在该点的实际观测值；Fi为第i个成员在该点的预报值。
所述地区统一订正模型包含如下计算式：
式中：E为预报成员的总预报误差；ki为第i个成员的订正系数；Oi，j为第i个预报成员在该点的预报误差；n为预报成员的个数；
其中，Oi，j＝Fi，j-Bi，j；
式中，Fi，j为第i个成员在j点的预报值；Bi，j是第i个成员在j点的实际观测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811463746.0A CN111257970B (zh) | 2018-11-30 | 2018-11-30 | 一种基于集合预报的降水预报订正方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811463746.0A CN111257970B (zh) | 2018-11-30 | 2018-11-30 | 一种基于集合预报的降水预报订正方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111257970A true CN111257970A (zh) | 2020-06-09 |
| CN111257970B CN111257970B (zh) | 2023-11-03 |
Family
ID=70946652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811463746.0A Active CN111257970B (zh) | 2018-11-30 | 2018-11-30 | 一种基于集合预报的降水预报订正方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111257970B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112034535A (zh) * | 2020-07-20 | 2020-12-04 | 南方电网科学研究院有限责任公司 | 数值模式降水预报的订正方法、***及存储介质 |
| CN112051627A (zh) * | 2020-08-21 | 2020-12-08 | 南方电网科学研究院有限责任公司 | 一种数值模式多量级降水预报值的订正方法、装置和介质 |
| CN113159714A (zh) * | 2021-04-01 | 2021-07-23 | 国网河南省电力公司电力科学研究院 | 一种面向电网的气象数据订正方法 |
| CN113496104A (zh) * | 2021-07-16 | 2021-10-12 | 中科技术物理苏州研究院 | 基于深度学习的降水预报订正方法及*** |
| CN113627683A (zh) * | 2021-08-25 | 2021-11-09 | 天气在线(无锡)科技有限公司 | 一种面向单模式次季节预报订正的邻域迭代映射方法 |
| CN113780668A (zh) * | 2021-09-15 | 2021-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于历史数据的城市积水内涝预测方法及*** |
| CN113805252A (zh) * | 2021-09-15 | 2021-12-17 | 中国气象科学研究院 | 基于集合预报模型的登陆热带气旋过程大风预报*** |
| CN114325879A (zh) * | 2021-12-20 | 2022-04-12 | 广东省气象台(南海海洋气象预报中心) | 一种基于分级概率的定量降水订正方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105425319A (zh) * | 2015-09-16 | 2016-03-23 | 河海大学 | 基于地面测量数据校正的降雨卫星暴雨同化方法 |
| US20170261645A1 (en) * | 2016-03-10 | 2017-09-14 | The Climate Corporation | Long-range temperature forecasting |
| CN107403073A (zh) * | 2017-10-03 | 2017-11-28 | 中国水利水电科学研究院 | 一种基于数据同化改进预报降雨的集合洪水预报方法 |
| CN108320050A (zh) * | 2018-01-11 | 2018-07-24 | 国家电网公司 | 一种基于风速预报提高光伏短期功率预测精度的方法 |
-
2018
- 2018-11-30 CN CN201811463746.0A patent/CN111257970B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105425319A (zh) * | 2015-09-16 | 2016-03-23 | 河海大学 | 基于地面测量数据校正的降雨卫星暴雨同化方法 |
| US20170261645A1 (en) * | 2016-03-10 | 2017-09-14 | The Climate Corporation | Long-range temperature forecasting |
| CN107403073A (zh) * | 2017-10-03 | 2017-11-28 | 中国水利水电科学研究院 | 一种基于数据同化改进预报降雨的集合洪水预报方法 |
| CN108320050A (zh) * | 2018-01-11 | 2018-07-24 | 国家电网公司 | 一种基于风速预报提高光伏短期功率预测精度的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 江滢;宋丽莉;程兴宏;: "风电场风速预报集合订正方法的尝试性研究" * |
| 王亚男: "多模式降水集合预报资料的统计降尺度及误差订正研究" * |
| 薛谌彬;龚建东;薛纪善;陶士伟;张华;: "FY-2E卫星云导风定高误差及在同化中的应用" * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112034535A (zh) * | 2020-07-20 | 2020-12-04 | 南方电网科学研究院有限责任公司 | 数值模式降水预报的订正方法、***及存储介质 |
| CN112051627A (zh) * | 2020-08-21 | 2020-12-08 | 南方电网科学研究院有限责任公司 | 一种数值模式多量级降水预报值的订正方法、装置和介质 |
| CN113159714A (zh) * | 2021-04-01 | 2021-07-23 | 国网河南省电力公司电力科学研究院 | 一种面向电网的气象数据订正方法 |
| CN113159714B (zh) * | 2021-04-01 | 2022-08-30 | 国网河南省电力公司电力科学研究院 | 一种面向电网的气象数据订正方法 |
| CN113496104A (zh) * | 2021-07-16 | 2021-10-12 | 中科技术物理苏州研究院 | 基于深度学习的降水预报订正方法及*** |
| CN113496104B (zh) * | 2021-07-16 | 2024-03-22 | 中科技术物理苏州研究院 | 基于深度学习的降水预报订正方法及*** |
| CN113627683A (zh) * | 2021-08-25 | 2021-11-09 | 天气在线(无锡)科技有限公司 | 一种面向单模式次季节预报订正的邻域迭代映射方法 |
| CN113780668A (zh) * | 2021-09-15 | 2021-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于历史数据的城市积水内涝预测方法及*** |
| CN113805252A (zh) * | 2021-09-15 | 2021-12-17 | 中国气象科学研究院 | 基于集合预报模型的登陆热带气旋过程大风预报*** |
| CN114325879A (zh) * | 2021-12-20 | 2022-04-12 | 广东省气象台(南海海洋气象预报中心) | 一种基于分级概率的定量降水订正方法 |
| CN114325879B (zh) * | 2021-12-20 | 2022-09-30 | 广东省气象台(南海海洋气象预报中心) | 一种基于分级概率的定量降水订正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111257970B (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111257970A (zh) | 一种基于集合预报的降水预报订正方法及*** | |
| Cassola et al. | Wind speed and wind energy forecast through Kalman filtering of Numerical Weather Prediction model output | |
| CN107103396B (zh) | 基于主要svd模态建模的中国季节气候预测方法 | |
| CN109375294B (zh) | 一种山区卫星降水数据的降尺度校正方法 | |
| CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
| CN112100720A (zh) | 一种提升风环境的人工智能城市设计形态布局方法 | |
| AU2017352549A1 (en) | Method and device for calculating power generation of wind farm | |
| CN107330086B (zh) | 一种提高无资料高海拔流域水文过程模拟精度的方法 | |
| CN109726867B (zh) | 一种基于多模式集合的高分辨率电力气象预报方法 | |
| CN109583653A (zh) | 基于统计模型的西北太平洋台风的延伸期预报方法 | |
| CN108074038A (zh) | 一种考虑可再生能源及负荷多时空分布特性的电力生产模拟方法 | |
| CN107748933B (zh) | 气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法 | |
| Guo et al. | VIC distributed hydrological model to predict climate change impact in the Hanjiang basin | |
| CN112363168B (zh) | 一种基于雷达外推和模式预报的同化融合方法 | |
| CN103488837B (zh) | 一种基于厂站地理信息的电网网架图自动布局方法 | |
| CN110826231A (zh) | 一种气象站点多源数据整合方法 | |
| CN107069835A (zh) | 新能源电站实时有功的分配方法及分配装置 | |
| Sabóia et al. | Climate changes impact estimation on urban drainage system located in low latitudes districts: a study case in Fortaleza-CE | |
| CN112232688B (zh) | 一种基于均好性的商业网点布局和规模的修正方法 | |
| Cabezon et al. | Comparison of methods for power curve modelling | |
| CN105262148A (zh) | 计及风电出力特性的规划年电力平衡方法 | |
| CN108363882A (zh) | 一种基于动力降尺度模式的山区输电线路设计风速推算方法 | |
| CN106355264B (zh) | 一种参考作物腾发量组合预测方法 | |
| CN108427834A (zh) | 基于中尺度模式的工程台风精细化数值模拟***及方法 | |
| CN104331748B (zh) | 一种预测规划目标年风电场群持续功率曲线的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |