基于低频增量时空耦合的动力统计结合的次季节预测方法技术

本发明专利技术公开一种基于低频增量时空耦合的动力统计结合的次季节预测方法，该方法选取热带和热带外大气异常的信号作为预报因子变量，并以变量的低频增量作为预报对象和预报因子，消除天气变率及季节变率的干扰。一方面考虑预报因子与预报量增量之间的同期物理关系，利用奇异值分解的统计方法寻找同期预报因子增量和预报量增量的高耦合模态，采用多元线性回归的方法建立基于物理机制的次季节预测模型。另一方面，借助动力模式对次季节热带和热带外大气异常模态预报效果较好的优势，将动力模式所预测的热带和热带外大气异常的高耦合模态的时间系数(即预报因子)代入预测模型中，进一步构建动力

【技术实现步骤摘要】
基于低频增量时空耦合的动力统计结合的次季节预测方法

：
[0001]本专利技术涉及一种基于低频增量时空耦合的动力统计结合的次季节预测方法，属于大气科学领域。

技术介绍
：
[0002]次季节预测是指提前数周对天气异常的预测，是天气(10天以下)
‑
气候(三个月以上)预测的间隙，是无缝隙预测中的重要一环，对于制定防灾减灾政策起着重要作用。然而，即使中短期天气和气候预测能力在不断提高，次季节预测技巧仍然偏低，成为近年来科学研究和业务应用所关注的难点。针对这一难点，徐邦琪、朱志伟等人于2012年起研发了基于时空投影技术的统计预报模型STPM(Spatial Temporal Projection Model)，已应用于我国降水、气温、西太平洋台风群发以及极端天气气候事件等高影响天气的次季节预测
[1
‑
6]。该模型考虑了前期大尺度预报因子和预报场之间的时空耦合关系，应用奇异值分解(Singular Value Decomposition，SVD)方法得到两者(预报因子场和预报量场)的耦合信息进行建模和预报，用“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于低频增量时空耦合的动力统计结合的次季节预测方法，其特征在于：包括如下具体步骤：1)从观测数据中选取与预报量同期的热带外中高纬500hPa位势高度场和热带地区OLR场作为预报因子变量，分别计算预报因子变量的增量距平，以及预报量的增量距平；2)采用SVD方法，从观测数据中提取左场预报因子变量的增量距平与右场预报量的增量距平之间的前j个高耦合模态，并采用交叉检验法挑选其中稳定模态，再基于所选稳定模态中左场的时间系数和右场的奇异向量重构形成拟合的预报量增量距平；3)利用步骤2)重构形成的拟合的预报量增量距平，采用多元线性回归方法，构建预报量增量距平的次季节预测模型；4)提取动力模式在独立预报时间段t
’
下预报的预报因子变量的增量距平，投影到观测所得左场的奇异向量上，得到动力模式预报的左场的时间系数，再由动力模式预报的左场的时间系数和观测所得右场的奇异向量重构形成预测的预报量的增量距平，最后结合步骤3)所构建的次季节预测模型，得到预报量增量距平在独立预报时间段t
’
的预测结果；5)将步骤4)中的预测结果与观测数据中预报量在独立预报时间段t
’‑
2的观测距平相加，获取最终预报结果。2.根据权利要求1所述的基于低频增量时空耦合的动力统计结合的次季节预测方法，其特征在于：步骤1)中，所述预报因子变量以及预报量的增量距平按如下公式计算得到：δOLR(x，t)＝OLR(x，t)
‑
OLR(x，t
‑
2)δH500(x，t)＝H500(x，t)
‑
H500(x，t
‑
2)δP(x，t)＝P(x，t)
‑
P(x，t
‑
2)2)2)其中，OLR、H500、P分别为OLR场、500hPa位势高度场和预报量的观测原始值；δOLR、δH500、δP分别为OLR场、500hPa位势高度场和预报量的增量；ΔOLR、ΔH500、ΔP分别为OLR场、500hPa位势高度场和预报量的增量距平；为平均值；x为数据的空间维，x∈[1，n]，n为数据的空间维总数；t为回报时间段。3.根据权利要求1所述的基于低频增量时空耦合的动力统计结合的次季节预测方法，其特征在于：所述预报因子变量以及预报量的增量为候增量、旬增量、15天增量、20天增量和25天增量中一种或多种，对应提前一候、一旬、15天、20天和25天的预测时效。4.根据权利要求1所述的基于低频增量时空耦合的动力统计结合的次季节预测方法，其特征在于：步骤2)的具体步骤如下：2.1)将回报时间段t平均分割形成n个子集，选择其中1个子集作为检验时段，剩余n
‑
1个子集作为训练时段；2.2)将观测数据训练时段的右场预报量的增量距平分别与左场500hPa位势高度场的增量距平和OLR场的增量距平进行SVD分解，分别得到训练时段对应的预报量的增量距平与500hPa位势高度场的增量距平的前j个耦合模态、以及预报量的增量距平与OLR场的增量距平的前j个耦合模态；前j个耦合模态均包括成对左右奇异向量和成对左右时间系数；
再将检验时段的500hPa位势高度场的增量距平、OLR场的增量距平和预报量的增量距平，分别投影到训练时段对应的前j个耦合模态中的成对左右奇异向量上，得到所选子集作为检验时段对应的前j个耦合模态的成对左右时间系数；2.3)采用步骤2.1)和2.2)中方法，分别获取其余n
‑
1个子集作为检验时段对应的前j个耦合模态的成对左右时间系数，进而得到整个回报时间段t对应的前j个耦合模态的成对左右时间系数；2.4)对步骤2.3)所得到的回报时间段t对应的前j个耦合模态的成对左右时间系数进行显著性检验，挑选其中稳定模态；其中，预报量的增量距平与OLR场的增量距平的之间稳定模态数记为M，预报量的增量距平与500hPa位势高度场的增量距平的之间稳定模态数记为N；2.5)由于SVD分解所得的左右时间系数具有高相关性，则基于步骤2.4)所得稳定模态中左场的时间系数和右场的奇异向量，按下式重构形成两个拟合的预报量的增量距平：中左场的时间系数和右场的奇异向...

【专利技术属性】
技术研发人员：李娟，朱志伟，徐邦琪，张可越，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：