一种气象要素多模式预报结果的筛选方法及系统技术方案

本申请公开了一种气象要素多模式预报结果的筛选方法，用于多种气象预报模式的筛选；所述方法包括：对M个模式的L个预报结果采用N种机器学习算法进行气象要素预报的计算得到一个数据集；计算起报点前不同时间段的统计预报值的均方根误差；采用权重逐渐下降的方式构建误差系数；计算起报点前不同时间段的统计预报值的相关系数；采用权重逐渐下降的方式构建相关系数系数；根据误差系数和相关系数系数构建筛选因子，选取筛选因子最大的预报模式和机器学习算法作为最优的气象要素预报方法。本发明专利技术的优势在于：为气象要素的快速、准确预报提供了有力的技术支撑。供了有力的技术支撑。供了有力的技术支撑。

【技术实现步骤摘要】
一种气象要素多模式预报结果的筛选方法及系统


[0001]本申请涉及气象预报领域，更具体地说，涉及一种气象要素多模式预报结果的筛选方法及系统。

技术介绍

[0002]数值天气预报是现代天气预报预测业务的基石，每天在世界各地主要气象业务中心运行，在精细化预报、灾害性天气预报中发挥着不可替代的作用，并逐步走向精细和精准。目前，数值天气预报在全世界形成多中心多模式的发展格局，主要数值天气预报中心包括：欧洲中期天气预报中心ECMWF、美国国家环境预报中心NCEP及中国气象局CMA等，主要业务中应用到的数值天气预报产品模式包括：欧洲中期天气预报中心ECMWF、美国国家环境预报中心全球预报系统NECP_GFS、基于全球预报系统GRAPES的全球天气数值预报系统GRAPES_GFS和中尺度预报系统GRAPES_MESO等数值天气预报产品，每家数值天气预报产品的预报能力各不相同、各有特色，同时也对特定天气类型下的高空要素场(如高度场、风场、温度场、相对湿度场)以及地面降水和地面2米温度等预报要素或预报目标地区有所侧重。
[0003]在现代天气预报业务中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种气象要素多模式预报结果的筛选方法，用于多种气象预报模式的筛选；所述方法包括：步骤1：对M个模式的L个预报结果采用N种机器学习算法进行气象要素预报的计算，并结合各个模式直接输出的结果构成一个数据集，数据集包括M*(N+1)*L条数据，每条数据包括多种气象要素的统计预报结果；步骤2：对数据集中的统计预报值和观测结果分气象要素按照起报点前不同时间段，计算每个时间段的统计预报值的均方根误差；采用权重逐渐下降的方式构建误差系数；步骤3：对数据集中的统计预报值和观测结果分气象要素按照起报点前不同时间段，计算每个时间段的统计预报值的相关系数；采用权重逐渐下降的方式构建相关系数系数；步骤4：根据误差系数和相关系数系数构建筛选因子，选取筛选因子最大的预报模式和机器学习算法作为最优的气象要素预报方法。2.根据权利要求1所述的气象要素多模式预报结果的筛选方法，其特征在于，所述方法在步骤1前还包括：收集多个模式预报数据和观测数据，模式预报数据是全球各主要天气预报中心的全球模式预报数据和区域模式预报数据，观测数据是气象台发布的例行观测报告。3.根据权利要求1所述的气象要素多模式预报结果的筛选方法，其特征在于，所述气象要素包括气温、气压、相对湿度、风向、风速和能见度。4.根据权利要求1所述的气象要素多模式预报结果的筛选方法，其特征在于，所述机器学习算法包括多元线性回归、决策树、决策向量机和长短期记忆。5.根据权利要求1所述的气象要素多模式预报结果的筛选方法，其特征在于，所述L个预报结果为每个模式每间隔3小时的预报结果。6.根据权利要求1所述的气象要素多模式预报结果的筛选方法，其特征在于，所述步骤2具体包括：对数据集中的统计预报值和观测结果分气象要素按照起报点前不同时间段，计算每个时间段的统计预报值的均方根误差RMSE
j
：其中，RMSE
j
表示起报点前某一个时间段的统计预报值的均方根误差；f
i
表示某一个时间段内的一个统计预报值，o为预报时刻的观测结果，n表示某一个时间段内的统计预报值总数；用权重逐渐下降的方式构建误差系数RMSE(M,N)：其中，Q表示起报点前不同时间段的个数；RMSE
j
表示第j个时间段的均方根误差；k表示针对每个起报点前不同时段的权重，0≤k≤1，距离起报点时间越长k取值越小，根据实际情况部分重要时段的k取值可特殊设置。7.根据权利要求6述的气象要素多模式预报结果的筛选方法，其特征在于，所述步骤3体包括：
对数据集中的统计预报值和观测结果分气象要素按照起报点前不同时间段，计算每个时间段的统计预报值的相关系数R
j
：其中，Cov(f
j
,o)为第j个时间段的预报值与观测值的协方差；Var[f
j
]为第j个时间段的预报值的方差；Var[o]为观测值的方差；采用权重逐渐下降的方式构建相关系数系数R(M,N)：其中，R
j
表示第j个时间段的相关系数；k
′
,0≤k
′
≤1表示针对每个起报点前不同时段的权重，距离起报点时间越长k
′
取值越小，根据实际情况部分重要时段的k
′
取值可特殊设置。8.根据权利要求6或7所述的气象要素多模式预报结果的筛选方法，其特征在于，所述起报点前不同时间段包括：起报点、起报点至起报点前6小时、起报点至起报点前12小时、起报点至起报点前24小时、起报点至起报点前48小时、起报点至起报点前7日、起报点至起报点前30日、起报点至起报点前90日、起报点至起报点前360日和起报点前的所有预报。9.根据权利要求8所述的气象要素多模式预报结果的筛选方法，其特征在于，所述采用权重逐渐下降的方式构建误差系数RMSE(M,N)计算公式为：RMSE(M,N)＝RMSE
p
+0.9*RMSE
6h
+0.8*RMSE
12h
+0.8*RMSE
24h
+0.7*RMSE
48h
+0.6*RMSE
7d
+0.5*RMSE
...

【专利技术属性】
技术研发人员：张伟，梁升，须剑良，杜旭，徐梦翔，
申请(专利权)人：中国民用航空局空中交通管理局航空气象中心，
类型：发明
国别省市：