基于PP理论和AF模型的暴雨预报方法技术

本发明专利技术提出了基于PP理论和AF模型的暴雨预报方法，具体步骤如下：步骤1：数据的收集整理；步骤2：数值模式预报产品的预处理；步骤3：历史相似天气形势的遍历；步骤4：暴雨的定性预报；步骤5：历史有暴雨相似天气形势的遍历；步骤6：暴雨的定量预报。本发明专利技术提供基于PP理论和AF模型的暴雨预报方法，综合利用历史再分析数据和当前数值模式预报资料，通过遍历与当前天气相似的一系列历史天气，能够对目标区域内的暴雨进行准确预报。

【技术实现步骤摘要】
基于PP理论和AF模型的暴雨预报方法
本专利技术属于统计预测领域，主要涉及基于完全预报（PerfectProg，简称PP）理论和相似预报（AnalogForecast，简称AF）模型的暴雨量和暴雨概率客观预报方法，特别是涉及基于PP理论和AF模型的暴雨预报方法。
技术介绍
我国是一个暴雨（日降雨量≥50mm）多发的国家。暴雨是我国重要的灾害性天气之一，常常诱发洪涝、泥石流、山体滑坡等其他自然灾害，能够给国民经济造成巨大的危害，给人民生命财产带来严重的损失。例如2012年7月21~22日，北京市遭遇建国以来的最强暴雨（全市平均降雨量超过150mm，局地最大降雨量达到460mm）及其诱发的洪涝灾害，造成79人死亡、190万人受灾、房屋倒塌10660间、经济损失116.4亿元人民币。因此，暴雨不仅是气象学家们高度关注的科学研究课题，其准确预报更是防灾减灾的迫切需要。随着计算水平的飞速发展，数值模式已经成为预报未来几天内降水量的主要手段。当前，尽管数值模式对大范围系统性降水的预报能力有了显著提高，然而由于暴雨的突发性、局地性、复杂性，暴雨的预报水平远远低于小雨、中雨的预报水平，暴雨预报的准确率与防灾减灾的实际需要仍相距甚远。这一瓶颈主要是由数值模式的时空分辨率较低、模式物理过程不完善等所导致的，无法实现定点、定时、定量的精细化暴雨预报。相对地，考虑到数值模式已能较准确地预报未来的高空天气形势，可以通过统计技术建立高空天气形势与地面降水量的相关关系，利用数值模式高空天气形势预报产品来间接估计地面降水量。
技术实现思路
为了解决以上问题，本专利技术提供基于PP理论和AF模型的暴雨预报方法，综合利用历史再分析数据和当前数值模式预报资料，通过遍历与当前天气相似的一系列历史天气，能够对目标区域内的暴雨进行准确预报，为达此目的，技术方案：为实现本专利技术的目的，本专利技术所采用的技术方案是：本专利技术提供基于PP理论和AF模型的暴雨预报方法，具体步骤如下，其特征在于：步骤1：数据的收集整理，采集目标区域内地面气象站历史的降水量观测资料、历史的再分析数据、当前的数值模式预报产品；步骤2：数值模式预报产品的预处理，将在较细网格上的数值模式预报产品稀疏化到再分析数据的较粗网格，实现二者空间格点的一致性；所述步骤2中的稀疏化公式为：（1）其中，为稀疏化到再分析数据粗网格点上的物理量，为原数值预报产品细网格点上的物理量，为网格点的纬度，为再分析数据网格距离即水平分辨率，为网格点到网格点的大圆距离，即：（2）其中为地球半径≈6371km，和分别为网格点所处的经度和纬度；步骤3：历史相似天气形势的遍历，定义多物理量的天气相似度判别指数，在相应时间窗口内，计算所有历史的天气形势，包括有暴雨和无暴雨，与当前数值模式预报的天气形势之间的相似度；所述步骤3中的历史天气形势的遍历规则为：以预报时刻即起报时刻+预报时效为中心点，查找过去30年、距中心点前后45天以内，每一年动态选取90天、即一个季节时长的样本的所有历史天气；所述步骤3中的基于单物理量的天气相似度判别指数γ定义为：（3）其中，分别为历史的、预报的天气形势经纬度平面二维场，分别为亮度指数、对比指数、结构指数，定义为：（4）其中为单变量的裁剪平均数、为单变量的内四分位数距离、为两变量的秩相关系数，一方面，与由变量的百分位数计算得到，即：（5）其中分别为变量的下四分位数、中位数、上四分位数，另一方面，由先将两变量按照大小顺序排序，后计算相应需要之间的相关系数得到；步骤4：暴雨的定性预报，选取相似度阈值，在相似度较大的若干历史天气形势中总计出有暴雨的次数和无暴雨的次数，如果无暴雨次数远多于有暴雨次数，则预报未来没有暴雨发生，步骤终止；所述步骤4中的相似度阈值取为：遍历的所有历史天气中，暴雨发生的比率p，即：（6）其中为发生暴雨的天数，为总天数；步骤5：历史有暴雨相似天气形势的遍历，定义多多物理量的天气相似度判别指数，在相应时间窗口内，计算所有历史发生暴雨的天气形势与当前数值模式预报的天气形势的相似度；步骤6：暴雨的定量预报，以相似度大小作为权重，选取相似度较大的前若干个历史发生暴雨的天气形势，将其对应的历史地面降水量观测进行加权集成，得到当前数值模式预报天气形势所对应的未来地面降水量和降水概率的预报。作为本专利技术进一步改进，所述步骤5中的基于多物理量的天气相似度判别指数定义为：（7）其中为参考的不同物理量，每一个物理量所对应的历史天气与预报天气的相似度由公式（3）计算得到，为不同物理量的权重，通过该物理量在过去最近30天内的预报误差估计得到，即：（8）其中为与预报场对应的观测场或分析场，与分别为相应的过去30天的算术平均值。作为本专利技术进一步改进，所述步骤6中的降水量R预报公式为：（9）其中为基于相似方法预报的降水量，为个相似的历史天气所对应的降水量，为第的历史天气与预报天气的相似度，由公式（7）计算给出；所述步骤6中的暴雨发生概率的预报公式为：（10）其中由下式计算：（11）。本专利技术提出了基于PP理论和AF模型的暴雨预报方法，具体步骤如下：步骤1：数据的收集整理；步骤2：数值模式预报产品的预处理；步骤3：历史相似天气形势的遍历；步骤4：暴雨的定性预报；步骤5：历史有暴雨相似天气形势的遍历；步骤6：暴雨的定量预报。本专利技术提供基于PP理论和AF模型的暴雨预报方法，综合利用历史再分析数据和当前数值模式预报资料，通过遍历与当前天气相似的一系列历史天气，能够对目标区域内的暴雨进行准确预报。附图说明图1是系统执行流程图；图2是基于PP理论的历史样本遍历方法图；图3是AF模型图。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述：本专利技术提供基于PP理论和AF模型的暴雨预报方法，综合利用历史再分析数据和当前数值模式预报资料，通过遍历与当前天气相似的一系列历史天气，能够对目标区域内的暴雨进行准确预报。本专利技术工作具体流程如图1所示：首先，读取当前时刻某一预报时效的数值预报要素场，利用公式（1）将细网格上的数值预报要素稀疏化到与历史再分析资料相一致的粗网格上，保证稀疏化后的数值预报数据和再分析数据具有相同的覆盖区域和格点分布。接着，如图2所示，利用PP理论在以预报时刻t0为中心点，在距t0前后45天的时间窗口内，在过去30年中，以500hPa位势高度场（单变量）为参考寻找相似样本，遍历范围由图2中灰色覆盖区域所示；通过公式（3）计算该时间范围内所有历史天气的相似指数；利用公式（4）计算相似度阈值，选择相似指数大于该阈值的历史天气，并且按照在这些天本文档来自技高网...

【技术保护点】
1.基于PP理论和AF模型的暴雨预报方法，具体步骤如下，其特征在于：/n步骤1：数据的收集整理，采集目标区域内地面气象站历史的降水量观测资料、历史的再分析数据、当前的数值模式预报产品；/n步骤2：数值模式预报产品的预处理，将在较细网格上的数值模式预报产品稀疏化到再分析数据的较粗网格，实现二者空间格点的一致性；/n所述步骤2中的稀疏化公式为：/n

【技术特征摘要】
1.基于PP理论和AF模型的暴雨预报方法，具体步骤如下，其特征在于：
步骤1：数据的收集整理，采集目标区域内地面气象站历史的降水量观测资料、历史的再分析数据、当前的数值模式预报产品；
步骤2：数值模式预报产品的预处理，将在较细网格上的数值模式预报产品稀疏化到再分析数据的较粗网格，实现二者空间格点的一致性；
所述步骤2中的稀疏化公式为：

（1）
其中，为稀疏化到再分析数据粗网格点上的物理量，为原数值预报产品
细网格点上的物理量，为网格点的纬度，为再分析数据网格距离即水平
分辨率，为网格点到网格点的大圆距离，即：

（2）
其中为地球半径≈6371km，和分别为网格点所处的经度和纬度；
步骤3：历史相似天气形势的遍历，定义多物理量的天气相似度判别指数，在相应时间窗口内，计算所有历史的天气形势，包括有暴雨和无暴雨，与当前数值模式预报的天气形势之间的相似度；
所述步骤3中的历史天气形势的遍历规则为：
以预报时刻即起报时刻+预报时效为中心点，查找过去30年、距中心点前后45天以内，每一年动态选取90天、即一个季节时长的样本的所有历史天气；
所述步骤3中的基于单物理量的天气相似度判别指数γ定义为：

（3）
其中，分别为历史的、预报的天气形势经纬度平面二维场，分
别为亮度指数、对比指数、结构指数，定义为：

（4）
其中为单变量的裁剪平均数、为单变量的内四分位数距离、为两变量的秩
相关系数，一方面，与由变量的百分位数计算得到，即：

（5）
其中分别为变量的下四分位数、中位数、上四分位数，另一方面，由先将两变量按照大小顺序排序，后计算相应需要之间的相关系数得到；
步骤4：暴雨的定性预报，选取相...

【专利技术属性】
技术研发人员：郭洪涛，宋金杰，
申请(专利权)人：江苏铨铨信息科技有限公司，
类型：发明
国别省市：江苏;32