一种ENSO建模和预测方法及装置制造方法及图纸

本发明专利技术公开了一种ENSO建模和预测方法及装置，涉及气候预测技术领域，包括：计算太平洋、大西洋、印度洋的预报因子；对热带太平洋SSTA进行经验正交函数分析，获得海温异常变化的主要模态的空间分布型以及对应的时间系数，并将时间系数作为预报量；利用典型相关分析进行建模，得到预报量和预报因子之间的回归模型方程；根据回归模型方程计算得到预报的赤道太平洋地区的SSTA空间形态；根据SSTA空间形态，计算尼诺3.4区的海温距平指数，将其与实测指数进行相关分析和均方根误差检验，评估回归模型的预报效果。本发明专利技术在经典ENSO发展理论下，加入了热带外太平洋及印度洋和大西洋的影响因子，能有效提高ENSO预测技巧。能有效提高ENSO预测技巧。能有效提高ENSO预测技巧。

【技术实现步骤摘要】
一种ENSO建模和预测方法及装置


[0001]本专利技术涉及气候预测
，特别涉及一种ENSO建模和预测方法及装置。

技术介绍

[0002]厄尔尼诺南方涛动事件(El Nino
‑
Southern Oscillation,ENSO)，是热带太平洋最强的年际海气耦合事件，会对区域甚至全球气候异常造成严重影响，从而对全球经济发展和人类生产生活带来不利影响，因此对ENSO的预测研究一直是气候预测
的热点问题。ENSO预测系统主要对ENSO现象的发展、形成及衰亡过程进行预测。
[0003]常见的ENSO预测方法分为两类，即动力模式预测方法和统计模式预测方法。两类方法基本建立在经典的ENSO发展理论框架下，即基于热带太平洋海气耦合反馈主导ENSO的发生发展及衰亡。动力耦合模式虽然是全球的，但也是通过改进热带太平洋海气过程的参数化方案或是资料同化方案来提高对ENSO的模拟和预报技巧。然而，在全球变化大背景下，ENSO的发展呈现多样化趋势。特别是2000年后，热带太平洋温跃层反馈变弱，而纬向平流作用增强。建立在经典理论框架下的预测和建模方法普遍出现了预测效果显著下降的情况。
[0004]因此，需要对现有ENSO预测和建模方法进行改善，以提高ENSO的预测效果，特别是提前较长时间预报时的预测效果，从而增强对气候灾害的预报和预警，减轻人员伤亡和财产损失。

技术实现思路

[0005]鉴于现有技术中的上述缺陷或不足，本专利技术提供了一种ENSO建模和预测方法及装置，能够解决上述存在的问题。
[0006]本专利技术的一个方面，提供了一种ENSO建模和预测方法，包括如下步骤:计算热带中西太平洋平均纬向风应力距平指数、热带太平洋平均温跃层深度距平指数、热带东西太平洋温跃层深度距平梯度指数、北太平洋维多利亚模态指数、南太平洋振荡指数、大西洋尼诺指数、热带北大西洋海温异常指数和印度洋偶极子异常指数，并对上述指数进行标准化处理，将标准化处理后的上述指数作为预报因子；对热带太平洋海表温度距平(Sea Surface Temperature Anormaly,SSTA)进行经验正交函数(Empirical Orthogonal Function,EOF)分析，获得海温异常变化的前三个主要模态的空间分布型EOF1、EOF2和EOF3，以及对应的时间系数PC1、PC2和PC3，并将时间系数PC1、PC2和PC3作为预报量；利用典型相关分析对所述预报因子与预报量进行建模，得到所述预报量和预报因子之间的回归模型方程；根据所述回归模型方程计算所述预报量，将所述预报量和所述海温异常变化的前三个主要模态的空间分布型EOF1、EOF2和EOF3分别相乘再相加的结果作为预报的赤道太平洋地区的SSTA空间形态；
[0007]根据所述预报的赤道太平洋地区的SSTA空间形态，计算尼诺3.4区的海温距平指
数，用所述尼诺3.4区的海温距平指数乘以缩放函数，得到修订后的预测结果，其中，和分别为预测目标月的观测值的标准差和预测目标月的预测值的标准差；
[0008]将修订后的预测结果与实测指数进行相关分析和均方根误差检验，评估回归模型的预报效果。
[0009]进一步的，所述利用典型相关分析对所述预报因子与预报量进行建模，得到所述预报量和预报因子之间的回归模型方程的步骤，包括：将所述预报因子和所述预报量分别进行线性组合，构成两组典型变量：
[0010]（1）
[0011]（2）
[0012]（3）
[0013]（4）
[0014]其中，、为典型变量，和是典型变量的组合系数向量矩阵和的转置，为预报因子矩阵，为预报量矩阵，表示8个所述预报因子，表示3个所述预报量。
[0015]进一步的，所述的一种ENSO建模和预测方法，还包括：
[0016]所述典型变量、满足以下关系：
[0017]（5）
[0018]（6）
[0019]（7）
[0020]当式（7）的相关系数最大时，得到特征值和特征向量方程组的矩阵表达形式：
[0021](（8）
[0022](（9）
[0023]求解式（8）和式（9）得出特征值，，以及对应的组合系数向量矩阵和；
[0024]典型变量、的相关系数与特征值之间满足如下关系：
[0025]（10）
[0026]上式（5）
‑
（9）中的为样本时长，、为预测因子和的协方差矩阵，、为预测因子矩阵和预报量矩阵的交叉协方差矩阵，为单位矩阵。
[0027]进一步的，所述的一种ENSO建模和预测方法，还包括：
[0028]利用典型因子、进行回归，得到回归模型方程的矩阵形式为：
[0029]（11）
[0030]其中，是特征值为对角线元素且其余元素均为零的矩阵；令回归系数矩阵为：
[0031]（12）则回归系数矩阵的转置矩阵为：
[0032]（13）
根据式（11）、式（12）、式（13）可得：
[0033]（14）
[0034]其中，为回归模型方程输出的预报量。
[0035]进一步的，所述的一种ENSO建模和预测方法，还包括：将观测数据按照3:1的比例划分训练集和测试集；利用训练集对回归模型进行训练，通过典型相关分析方法得到回归模型的参数和回归系数，建立回归模型方程；
[0036]将测试集中的预报因子观测值输入至所述训练后的回归模型，得到测试集的预报量。
[0037]本专利技术的另一方面，提供了一种ENSO建模和预测装置，包括：预报因子获取模块，用于计算热带中西太平洋平均纬向风应力距平指数、热带太平洋平均温跃层深度距平指数、热带东西太平洋温跃层深度距平梯度指数、北太平洋维多利亚模态指数、南太平洋振荡指数、大西洋尼诺指数、热带北大西洋海温异常指数和印度洋偶极子异常指数，并对上述指数进行标准化处理，将标准化处理后的上述指数作为预报因子；预报量获取模块，用于对热带太平洋海表温度距平SSTA进行经验正交函数分析，获得海温异常变化的前三个主要模态的空间分布型EOF1、EOF2和EOF3，以及对应的时间系数PC1、PC2和PC3，并将时间系数PC1、PC2和PC3作为预报量；模型构建模块，用于利用典型相关分析对所述预报因子与预报量进行建模，得到所述预报量和预报因子之间的回归模型方程；模型预报模块，用于根据所述回归模型方程计算所述预报量，将所述预报量和所述海温异常变化的前三个主要模态的空间分布型EOF1、EOF2和EOF3分别相乘再相加的结果作为预报的赤道太平洋地区的SSTA空间形态；
[0038]预报结果修订模块，用于根据所述预报的赤道太平洋地区的SSTA空间形态，计算尼诺3.4区的海温距平指数，用所述尼诺3.4区的海温距平指数乘以缩放函数，得到修订后的预测结果，其中，和分别为预测目标月的观测值的标准差和预测目标月的预测值的标准差；
[0039]预报结果评估模块，用于将修订后的预测结果与实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种ENSO建模和预测方法，其特征在于，包括如下步骤：计算热带中西太平洋平均纬向风应力距平指数、热带太平洋平均温跃层深度距平指数、热带东西太平洋温跃层深度距平梯度指数、北太平洋维多利亚模态指数、南太平洋振荡指数、大西洋尼诺指数、热带北大西洋海温异常指数和印度洋偶极子异常指数，并对上述指数进行标准化处理，将标准化处理后的上述指数作为预报因子；对热带太平洋海表温度距平SSTA进行经验正交函数分析，获得海温异常变化的前三个主要模态的空间分布型EOF1、EOF2和EOF3，以及对应的时间系数PC1、PC2和PC3，并将时间系数PC1、PC2和PC3作为预报量；利用典型相关分析对所述预报因子与预报量进行建模，得到所述预报量和预报因子之间的回归模型方程；根据所述回归模型方程计算所述预报量，将所述预报量和所述海温异常变化的前三个主要模态的空间分布型EOF1、EOF2和EOF3分别相乘再相加的结果作为预报的赤道太平洋地区的SSTA空间形态；根据所述预报的赤道太平洋地区的SSTA空间形态，计算尼诺3.4区的海温距平指数，用所述尼诺3.4区的海温距平指数乘以缩放函数 ，得到修订后的预测结果，其中，和分别为预测目标月的观测值的标准差和预测目标月的预测值的标准差；将修订后的预测结果与实测指数进行相关分析和均方根误差检验，评估回归模型的预报效果。2.根据权利要求1所述的一种ENSO建模和预测方法，其特征在于，所述利用典型相关分析对所述预报因子与预报量进行建模，得到所述预报量和预报因子之间的回归模型方程的步骤，包括：将所述预报因子和所述预报量分别进行线性组合，构成两组典型变量：（1）（2）（3）（4）其中，、为典型变量，和是典型变量的组合系数向量矩阵和的转置，为预报因子矩阵，为预报量矩阵，表示8个所述预报因子，表示3个所述预报量。3.根据权利要求2所述的一种ENSO建模和预测方法，其特征在于， 还包括：所述典型变量 、满足以下关系：（5）（6）（7）当式（7）的相关系数最大时，得到特征值和特征向量方程组的矩阵表达形式：( （8）( （9）
求解式（8）和式（9）得出特征值，，以及对应的组合系数向量矩阵和；典型变量 、的相关系数与特征值之间满足如下关系：（10）上式（5）
‑
（9）中的为样本时长，、为预测因子矩阵和预报量矩阵的协方差矩阵，、为预测因子矩阵和预报量矩阵的交叉协方差矩阵，为单位矩阵。4.根据权利要求3所述的一种ENSO建模和预测方法，其特征在于，还包括：利用典型因子、进行回归，得到回归模型方程的矩阵形式为（11）其中，是特征值为对角线元素且其余元素均为零的矩阵；令回归系数矩阵为：（12）则回归系数矩阵的转置矩阵为：（13）根据式（11）、式（12）、式（13）可得：（14）其中，为回归模型方程输出的预报量。5.根据权利要求4所述的一种ENSO建模和预测方法，其特征在于，还包括：将观测数据按照3:1的比例划分训练集和测试集；利用训练集对回归模型进行训练，通过典型相关分析方法得到回归模型的参数和回归系数，建立回归模型方程；将测试集中的预报因子观测值输入至所述训练后的回归模型，得到测试集的预报量。6.一种ENSO建模和预测装置，其特征在于，包括：预报...

【专利技术属性】
技术研发人员：谭晶，姜华，陈幸荣，黄勇勇，
申请(专利权)人：国家海洋环境预报中心，
类型：发明
国别省市：