数值产品在气温预报值中应用探讨

数值产品在气温预报值中应用探讨

ID:22288433

大小:105.90 KB

页数:6页

时间:2018-10-28

数值产品在气温预报值中应用探讨_第1页
数值产品在气温预报值中应用探讨_第2页
数值产品在气温预报值中应用探讨_第3页
数值产品在气温预报值中应用探讨_第4页
数值产品在气温预报值中应用探讨_第5页
资源描述:

《数值产品在气温预报值中应用探讨》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、数值产品在气温预报中应用探讨张玉成姜虹钟波车正浩(牡丹江市气象局,黑龙江牡丹江157000)TheapplicationanddiscussionofnumericaproductsinthetemperatureforecastAbstract:Basedonprogressiveregressionanalysismethod,byusingT213numericalpredictionproductsandthenumberofstationsofactual,historicaldatainHeilongjiangprovince,

2、theHeilongjiangprovince3~5ddailytemperaturerollingforecastequationwasdeveloped,andtheresultsoftrialoperationofthebusinessfromjulytodecemberin2006showedthatthismethodofimprovingthetemperatureoftheaccuracyofforecastinghassomepracticalvalue.progressiveregressionKeyWOrds:numer

3、icalprediction,forecastfactor.本文利用T213数值预报产品和黑龙江省多个站的实况资料、历史资料,以逐步回归分析方法,研制了黑龙江省3〜5d逐日气温滚动预报方程,并在2006年7月〜2006年12月进行了业务试运行,结果表明,这种方法提高了温度预报的准确率,有一定的实用价值。摘要很多气象同仁在气象预报工作中己经开发出很多有用的气象要素预报方程,如天气在线就是一个很好的例子。随着计算机运算能力的快速提高,瞬间做出几十个地点甚至几千个地点的精细化预报完全有可能,而且其精确性也有大幅度提高,尤其是温度的预报更加客观化,

4、数值化发展。而逐步回归方法是众多客观温度预报方法的一种。经典逐步回归方法是利用数值预报产品和单站温、压、湿等气象要素,通过统计分析,选定组合的预报因子,建立逐步回归方程并进行预报。在预报过程中,预报因子一经选定,便不再改变。但是不变的预报因子在预报过程中不能很好地适应多变的天气系统,同时数值预报模式也在不断的调整[1],且在不同的季节变换下,各温、压、湿等气象要素所起的预报启示作用也不同。综合以上原因,尝试在经典的逐步回归的基础上,通过更改进入回归方程的历史样本长度来滚动地选取回归因子,建立了滚动逐步回归方程。1预报因子的选取建立预报方程,

5、因子的选择尤为重要,影响气温变化的因素很多,也很复杂。冷暖平流的强度决定气温升降的程度,系统性垂直运动如下沉运动、上升运动可使局地气温随之变化。非绝热因子对气温变化的作用也很大[21,如晴天、阴雨、风以及地表等,都会对温度产生影响。我们利用2006年7月到10月份的各家数值预报产品的客观分析场资料,在120-130°E、40-50°N范围内选用850hPa、700hPa、地面的各种物理量等组成30个因子,同时考虑局地特点,选取同时段的逐日气压、温度、下垫面情况等3个要素一共组成了33个选因子。在日常预报工作中,积累了一些对本地区温度有影响的

6、预报因子和指标,利用以上33个因子并结合预报经验进行因子组厶1=1O2滚动逐步回归方法的流程滚动因子逐步回归方法是在经典逐步回归的基础上,通过调整进入逐步回归的历史样本资料长度,从而不断调整各个预报因子间的关系,建立不同的预报方程,然后从中挑选前几天预报效果最好的预报方程,做为未来的预报方程。具体流程见图1。历史样本库预报结果误差偏大经测试,当检验天数为7天的时候,在24〜72小时内的预报,无论是最高温度预报还是最低温度预报,其平均绝对误差都比较小。所以动态因子逐步回归中,选择了前7天的预报效果作为挑选预报方程的标准。3滚动回归方法与经典逐

7、步回归方法的对比分析表1滚动逐步回归预报和经典逐步回归24小时最高、最低温度预报误差对比预报时效滚动回归平均误差经验预报误差24小时最高气温1.8522.12324小吋最低气温1.4572.430表1是牡丹江市2006年7月1日〜12月30日滚动逐步回归预报和经典逐步回归预报24小时最高、最低温度预报误差对比分析表。从表1中可得出结论,滚动因子的滚动逐步回归方法预报效果优于经典逐步回归方法。其主要原因在于因子随着天气系统的变化而不断调整和数值预报的不断优化等原因。123456789101112131415t213/850/tEcmwf实况t

8、213风速t213-850岛度下垫囱咼度同期同期最高最低气温气温最高最低实风地面t213垂直速度t213-850风场/t850气温气温况速气压k指数2007年12月7曰-18-8

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。