李曦

兩種統(tǒng)計(jì)預(yù)報(bào)方法在廣安氣溫預(yù)報(bào)中的對比研究

李曦

（廣安市氣象局，四川 廣安 638500）

將2009—2012年歐洲中期數(shù)值預(yù)報(bào)模式產(chǎn)品資料（ECMWF）作為預(yù)報(bào)因子，以四川廣安市4個(gè)測站（廣安、武勝、鄰水、岳池）同時(shí)期每日最高氣溫、最低氣溫為預(yù)報(bào)對象，分別采用MOS統(tǒng)計(jì)方法、BP神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練并建立起預(yù)報(bào)方程，然后利用2012—2013年的實(shí)況數(shù)據(jù)對預(yù)報(bào)結(jié)論進(jìn)行檢驗(yàn)。結(jié)果表明，通過MOS方法、BP神經(jīng)網(wǎng)絡(luò)方法得到的預(yù)報(bào)結(jié)論明顯優(yōu)于數(shù)值模式本身的預(yù)報(bào)結(jié)論；采用兩種方法對最低、最高溫度的預(yù)報(bào)準(zhǔn)確率均較高，對最低溫度的預(yù)報(bào)準(zhǔn)確率略高于最高氣溫，且均隨著時(shí)間的延長，準(zhǔn)確率下降；MOS方法對最低溫度的預(yù)報(bào)準(zhǔn)確率略高于BP方法，而BP方法對最高氣溫的預(yù)報(bào)效果更好。

氣溫預(yù)報(bào)；MOS方法；BP神經(jīng)網(wǎng)絡(luò)；預(yù)報(bào)檢驗(yàn)

1 引言

精細(xì)化天氣預(yù)報(bào)業(yè)務(wù)隨著經(jīng)濟(jì)、社會(huì)的發(fā)展需要被提出來，這是氣象預(yù)報(bào)業(yè)務(wù)現(xiàn)代化發(fā)展的總趨勢，也是氣象事業(yè)發(fā)展的重點(diǎn)發(fā)展方向。由于精細(xì)化預(yù)報(bào)涉及的預(yù)報(bào)對象的擴(kuò)充、預(yù)報(bào)時(shí)效的延長、預(yù)報(bào)間隔的縮短、預(yù)報(bào)空間的細(xì)化，增大了精細(xì)化預(yù)報(bào)的數(shù)據(jù)量和預(yù)報(bào)難度，天氣預(yù)報(bào)員按照常規(guī)主觀預(yù)報(bào)方式難以完成精細(xì)化天氣預(yù)報(bào)工作。隨著數(shù)值天氣預(yù)報(bào)技術(shù)的不斷進(jìn)步，數(shù)值產(chǎn)品的時(shí)效性越來越強(qiáng)、空間分辨率越來越高、預(yù)報(bào)準(zhǔn)確率越來越高，因此，合理運(yùn)用數(shù)值預(yù)報(bào)產(chǎn)品并對數(shù)值產(chǎn)品進(jìn)行加工、訂正和釋用，實(shí)現(xiàn)數(shù)值產(chǎn)品的本地化運(yùn)用，進(jìn)一步提高數(shù)值天氣預(yù)報(bào)的本地化產(chǎn)品精度就成為了氣象工作的的重要內(nèi)容。

目前，氣象研究者已在氣象統(tǒng)計(jì)方法中數(shù)值預(yù)報(bào)模式的產(chǎn)品釋用方面做了大量的工作，并已取得較好的成果。陳優(yōu)平等[1]利用卡爾曼濾波法對GFS產(chǎn)品完成了嘉興市溫度客觀預(yù)報(bào)工作，發(fā)現(xiàn)使用該方法對氣溫的具有較好的預(yù)報(bào)效果；陳豫英等[2]使用MOS方法對寧夏地區(qū)的平均氣溫進(jìn)行預(yù)報(bào)，結(jié)果表明MOS法對平均氣溫的預(yù)報(bào)能力明顯優(yōu)于數(shù)值模式產(chǎn)品，隨著資料的劃分，預(yù)報(bào)效果有差異；林紓等[3]利用MOS方法對風(fēng)場產(chǎn)品進(jìn)行預(yù)報(bào)，發(fā)現(xiàn)MOS方法對風(fēng)場具有較好的預(yù)報(bào)效果；胡江林等[4]利用人工神經(jīng)網(wǎng)絡(luò)算法完成了暴雨的預(yù)報(bào)研究，預(yù)報(bào)效果表明人工神經(jīng)網(wǎng)絡(luò)算法明顯提高了數(shù)值模式的暴雨預(yù)測效果；韋惠紅等[5]以歐洲、日本等數(shù)值模式資料為基礎(chǔ)，使用SVM方法（支持向量機(jī)）建立了暴雨預(yù)報(bào)模型，完成了對暴雨的預(yù)報(bào)工作，檢驗(yàn)結(jié)果表明該方法對暴雨預(yù)報(bào)具有一定的預(yù)報(bào)能力和參考價(jià)值；熊秋芬等[6]、賀皓等[7]分別使用SVM方法完成了天空云量和大霧的預(yù)報(bào)，并取得了一定的成果；吳愛敏[8]利用歐洲中期預(yù)報(bào)資料并集成MOS方法、SVM方法、卡爾曼濾波方法完成了慶陽市極端溫度預(yù)報(bào)，發(fā)現(xiàn)集成后的方法比單一的方法準(zhǔn)確性有所改善和提高。

本文采用ECMWF（歐洲中期數(shù)值預(yù)報(bào)）高分辨率數(shù)值預(yù)報(bào)資料作為預(yù)報(bào)因子，以同時(shí)段四川廣安各站的最低、最高溫度作為預(yù)報(bào)對象，分別應(yīng)用多元統(tǒng)計(jì)回歸算法（MOS方法）、前饋神經(jīng)網(wǎng)絡(luò)算法（BP算法）兩種統(tǒng)計(jì)算法建立的預(yù)報(bào)方程，制作四川廣安地區(qū)24 h、48 h、72 h的最高氣溫、最低氣溫預(yù)報(bào)，同時(shí)利用實(shí)況資料對預(yù)報(bào)結(jié)論進(jìn)行檢驗(yàn)，并討論兩種方法的預(yù)報(bào)準(zhǔn)確率。

2 預(yù)報(bào)方法

2.1 資料與數(shù)據(jù)

本文采用2009—2012年歐洲中期數(shù)值預(yù)報(bào)模式產(chǎn)品資料（ECMWF）作為預(yù)報(bào)因子，以四川廣安市4個(gè)測站（廣安、武勝、鄰水、岳池）的同時(shí)期每日最高氣溫、最低氣溫作為預(yù)報(bào)對象，將模式產(chǎn)品資料利用距離插值方法插值到各個(gè)站點(diǎn)上，完成模式產(chǎn)品到實(shí)況資料的匹配。

在溫度預(yù)報(bào)中，降水、云量、日照、風(fēng)向風(fēng)速、氣壓、濕度、垂直運(yùn)動(dòng)以環(huán)流背景都對測站溫度有著重要的影響，為了全面、準(zhǔn)確描述溫度的影響因子，本文選定的預(yù)報(bào)因子包括2009—2012年ECMWF 08：00和20：00資料：海平面氣壓、地面變壓、850 hPa溫度、850 hPa變溫、850 hPa相對濕度、700 hPa相對濕度、500 hPa高度以及500 hPa變高等。

以下將分別介紹兩種重要的氣象統(tǒng)計(jì)算法：MOS方法和BP神經(jīng)網(wǎng)絡(luò)算法，通過這兩種統(tǒng)計(jì)算法對2010—2012年的數(shù)據(jù)進(jìn)行訓(xùn)練、模擬，得到基于MOS方法、BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)報(bào)方程，然后利用2012—2013年的數(shù)據(jù)對預(yù)報(bào)方程進(jìn)行驗(yàn)證。

2.2 MOS方法介紹

MOS預(yù)報(bào)方法是一種重要的統(tǒng)計(jì)學(xué)釋用方法，它在數(shù)值天氣預(yù)報(bào)模式的歷史預(yù)報(bào)產(chǎn)品和相應(yīng)時(shí)次的預(yù)報(bào)對象間建立統(tǒng)計(jì)關(guān)系，建立回歸預(yù)報(bào)方程。在進(jìn)行預(yù)報(bào)時(shí)，把數(shù)值預(yù)報(bào)輸出的各因子代入相應(yīng)的預(yù)報(bào)方程中，就可以輸出預(yù)報(bào)產(chǎn)品。

MOS方法在氣象預(yù)報(bào)中具有明顯的優(yōu)點(diǎn)：MOS方法可以較好地訂正數(shù)值模式的系統(tǒng)性偏差，只要數(shù)值模式的具有較穩(wěn)定的偏差特征，就可以通過MOS方法得到較好的預(yù)報(bào)結(jié)果。而由于MOS方程的建立依賴于數(shù)值模式，當(dāng)數(shù)值模式發(fā)生較大的變動(dòng)時(shí)，MOS的預(yù)報(bào)結(jié)果就較差。

2.3 BP方法介紹

BP神經(jīng)網(wǎng)絡(luò)是由人工建立的以有向圖為拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)，通過對連續(xù)或斷續(xù)的輸入作狀態(tài)響應(yīng)而進(jìn)行信息處理。BP算法為一種監(jiān)督式的學(xué)習(xí)方法，它通過輸入大量的學(xué)習(xí)樣本，再通過使用反向傳播算法對網(wǎng)絡(luò)權(quán)值和偏差進(jìn)行反復(fù)調(diào)整訓(xùn)練，使輸出向量與期望盡量接近，當(dāng)網(wǎng)絡(luò)輸出層誤差平方小于指定的誤差時(shí)，完成訓(xùn)練，最終得到權(quán)重值和偏差分布。

隱層至輸出層權(quán)、輸入層至隱層權(quán)調(diào)整表達(dá)式為：

j，k=j，k+（k－k）k（1－k）j

輸出層、隱含層節(jié)點(diǎn)閾值調(diào)整表達(dá)式為：

k=k+（k－k）k（1－k）

對于某一訓(xùn)練樣本，采用以上算法，通過誤差反傳調(diào)整各層神經(jīng)元的權(quán)值，反復(fù)輸入所有訓(xùn)練模式樣本序列，重復(fù)以上步驟，直到誤差權(quán)值不再改變，輸出誤差限定于規(guī)定范圍內(nèi)。

3 結(jié)果分析

分別利用MOS方法和BP神經(jīng)網(wǎng)絡(luò)算法對2010-11—2012-07共600組數(shù)據(jù)進(jìn)行了訓(xùn)練、模擬，得到基于MOS方法、BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)報(bào)方程，然后利用2012-07—2013-06的近300組數(shù)據(jù)對預(yù)報(bào)方程進(jìn)行檢驗(yàn)，并對預(yù)測結(jié)果進(jìn)行分析。由于目前氣象部門實(shí)行溫度預(yù)報(bào)2 ℃標(biāo)準(zhǔn)，即預(yù)報(bào)結(jié)果與實(shí)況相差2 ℃以上時(shí)，評定為預(yù)報(bào)錯(cuò)誤；當(dāng)相差2 ℃以內(nèi)時(shí)，評定為預(yù)報(bào)正確。

因此，采用預(yù)報(bào)準(zhǔn)確率來對最高、最低氣溫進(jìn)行檢驗(yàn)，預(yù)報(bào)準(zhǔn)確率的計(jì)算方法為：預(yù)報(bào)準(zhǔn)確率=預(yù)報(bào)正確個(gè)數(shù)/（預(yù)報(bào)正確個(gè)數(shù)+預(yù)報(bào)錯(cuò)誤個(gè)數(shù)）。

從預(yù)測誤差上看，MOS方法和BP方法對24 h、48 h、72 h最低溫度的預(yù)報(bào)系統(tǒng)偏差分別為－0.123 ℃、－0.11 ℃、－0.09 ℃，0.19 ℃、0.01 ℃、－0.03 ℃，對最高溫度預(yù)報(bào)的系統(tǒng)偏差分別為0.3 ℃、0.35 ℃、0.21 ℃，－0.35 ℃、－0.37 ℃、－0.33 ℃。

從絕對誤差上看，MOS方法和BP方法對最低溫度預(yù)報(bào)的絕對誤差分別為1.02 ℃、1.07 ℃、1.06 ℃，1.3 ℃、1.03 ℃、1.41 ℃，對最高溫度預(yù)報(bào)的絕對誤差分別為1.61 ℃、1.66 ℃、1.7 ℃，1.53 ℃、1.65 ℃、1.69 ℃。

通過與實(shí)況資料的檢驗(yàn)對比表明：以±2 ℃溫差為正確標(biāo)準(zhǔn)，MOS算法對24 h最低氣溫的預(yù)報(bào)準(zhǔn)確率分別達(dá)到了88.9%，對48 h的最低溫度預(yù)報(bào)準(zhǔn)確率達(dá)到了86.2%，對72 h的最低溫度預(yù)報(bào)準(zhǔn)確率也達(dá)到了88.2%；而BP預(yù)報(bào)方法對24 h、48 h、72 h的最低溫度預(yù)報(bào)準(zhǔn)確率分別達(dá)到了80.9%，86.6%，73%。在最高溫度方面，MOS方法對24 h、48 h、72 h的最高溫度的預(yù)報(bào)準(zhǔn)確率分別達(dá)到了67.8%，68.9%，68.4%；而BP方法的預(yù)報(bào)準(zhǔn)確分別為70.7%，69.5%以及67.1%。

檢驗(yàn)結(jié)果表明：兩種方法均能預(yù)報(bào)出廣安本地的最高、最低溫度，且預(yù)報(bào)準(zhǔn)確率較高。兩種預(yù)報(bào)方法的最低溫度預(yù)報(bào)準(zhǔn)確率均高于最高溫度預(yù)報(bào)準(zhǔn)確率，且隨著時(shí)間的延長，預(yù)報(bào)準(zhǔn)確率逐漸降低。兩種預(yù)報(bào)方法的主要差異表現(xiàn)在：相比BP預(yù)報(bào)方法，MOS方法對最低溫度的預(yù)報(bào)具有優(yōu)勢，預(yù)報(bào)準(zhǔn)確率更高、更穩(wěn)定，而BP方法在對最高溫度的預(yù)報(bào)中表現(xiàn)更好。

基于以上檢驗(yàn)結(jié)果，在實(shí)際氣溫預(yù)報(bào)工作中利用MOS算法對廣安市最低氣溫進(jìn)行預(yù)報(bào)，而采用BP算法預(yù)報(bào)最高氣溫。

這樣形成的本地氣溫預(yù)報(bào)方法就兼具了MOS方法預(yù)報(bào)最低氣溫的穩(wěn)定性及BP方法預(yù)報(bào)最高氣溫的優(yōu)越性。MOS方法、BP方法在廣安本地的最高、最低預(yù)報(bào)工作中均有一定的指導(dǎo)意義。

4 結(jié)論

本文采用ECMWF（歐洲中期數(shù)值預(yù)報(bào)）產(chǎn)品，利用MOS方法、BP方法對廣安地區(qū)的最高、最低氣溫進(jìn)行預(yù)報(bào)，結(jié)果表明兩種方法均能較為準(zhǔn)確地預(yù)報(bào)出最高、最低氣溫，且預(yù)報(bào)準(zhǔn)確率較高，最低溫度的預(yù)報(bào)準(zhǔn)確率明顯高于最高溫度，隨著時(shí)間的延長，準(zhǔn)確率逐步降低。兩種預(yù)報(bào)方法差異表現(xiàn)在對最低、最高氣溫的預(yù)報(bào)準(zhǔn)確率上：MOS方法對最低氣溫的預(yù)報(bào)準(zhǔn)確率高，而BP方法對最高氣溫的預(yù)報(bào)準(zhǔn)確率高。因此，在實(shí)際業(yè)務(wù)使用中，應(yīng)該結(jié)合使用MOS方法和BP方法，這樣才能更進(jìn)一步提高預(yù)報(bào)準(zhǔn)確率。

在研究工作中還存在不足之處，包括兩種方法建立的預(yù)報(bào)公式過于籠統(tǒng)和粗糙，不夠細(xì)化。本文直接針對每日最高、最低氣溫建立了溫度預(yù)報(bào)方程，沒有考慮到季節(jié)差異造成的影響。實(shí)際上，由于氣溫的季節(jié)性差異明顯，采用同一個(gè)預(yù)報(bào)公式對不同季節(jié)氣溫進(jìn)行預(yù)報(bào)存在較大的差異。下一步將針對本地的氣候特點(diǎn)，分季節(jié)建立溫度預(yù)報(bào)方程，這樣可進(jìn)一步提高溫度預(yù)報(bào)的準(zhǔn)確率。

［1］陳優(yōu)平，陸琛莉，李云泉.基于GFS產(chǎn)品和卡爾曼濾波的嘉興市溫度客觀預(yù)報(bào)［J］.氣象科技，2009，37（2）：142-144.

［2］陳豫英，陳楠，王素艷，等.MOS方法在動(dòng)力延伸期候平均氣溫預(yù)報(bào)中的應(yīng)用［J］.應(yīng)用氣象學(xué)報(bào)，2011，22（1）：86-95.

［3］林紓，張東方，王永光，等.MOS方法在西北地區(qū)東部春季干旱預(yù)警的應(yīng)用與檢驗(yàn)［J］.氣象，2010，36（5）：98-101.

［4］胡江林，涂松柏，馮光柳，等.基于人工神經(jīng)網(wǎng)絡(luò)的暴雨預(yù)報(bào)方法探討［J］.熱帶氣象學(xué)報(bào)，2003，19（4）：423-428.

［5］韋惠紅，李才媛，鄧紅，等.SVM方法在武漢區(qū)域夏季暴雨預(yù)報(bào)業(yè)務(wù)中的應(yīng)用［J］.氣象科技，2009，37（2）：145-148.

［6］熊秋芬，顧永剛，王麗.支持向量機(jī)分類方法在天空云量預(yù)報(bào)中的應(yīng)用［J］.氣象，2007，33（5）：20-26.

［7］賀皓，羅慧.基于支持向量機(jī)模式識(shí)別的大霧預(yù)報(bào)方法［J］.氣象科技，2009，37（2）：149-151.

［8］吳愛敏.極端氣溫集成預(yù)報(bào)方法對比［J］.氣象科技，2012，40（5）：772-777.

P457.3

A

10.15913/j.cnki.kjycx.2019.15.039

2095－6835（2019）15－0098－03

李曦（1985—），男，四川廣安人，研究生，氣象工程師，研究方向?yàn)橹卸唐谔鞖忸A(yù)報(bào)、雷達(dá)氣象。

〔編輯：張思楠〕