兩種統(tǒng)計預報方法在廣安氣溫預報中的對比研究

李曦

兩種統(tǒng)計預報方法在廣安氣溫預報中的對比研究

李曦

（廣安市氣象局，四川 廣安 638500）

將2009—2012年歐洲中期數(shù)值預報模式產(chǎn)品資料（ECMWF）作為預報因子，以四川廣安市4個測站（廣安、武勝、鄰水、岳池）同時期每日最高氣溫、最低氣溫為預報對象，分別采用MOS統(tǒng)計方法、BP神經(jīng)網(wǎng)絡算法訓練并建立起預報方程，然后利用2012—2013年的實況數(shù)據(jù)對預報結論進行檢驗。結果表明，通過MOS方法、BP神經(jīng)網(wǎng)絡方法得到的預報結論明顯優(yōu)于數(shù)值模式本身的預報結論；采用兩種方法對最低、最高溫度的預報準確率均較高，對最低溫度的預報準確率略高于最高氣溫，且均隨著時間的延長，準確率下降；MOS方法對最低溫度的預報準確率略高于BP方法，而BP方法對最高氣溫的預報效果更好。

氣溫預報；MOS方法；BP神經(jīng)網(wǎng)絡；預報檢驗

1 引言

精細化天氣預報業(yè)務隨著經(jīng)濟、社會的發(fā)展需要被提出來，這是氣象預報業(yè)務現(xiàn)代化發(fā)展的總趨勢，也是氣象事業(yè)發(fā)展的重點發(fā)展方向。由于精細化預報涉及的預報對象的擴充、預報時效的延長、預報間隔的縮短、預報空間的細化，增大了精細化預報的數(shù)據(jù)量和預報難度，天氣預報員按照常規(guī)主觀預報方式難以完成精細化天氣預報工作。隨著數(shù)值天氣預報技術的不斷進步，數(shù)值產(chǎn)品的時效性越來越強、空間分辨率越來越高、預報準確率越來越高，因此，合理運用數(shù)值預報產(chǎn)品并對數(shù)值產(chǎn)品進行加工、訂正和釋用，實現(xiàn)數(shù)值產(chǎn)品的本地化運用，進一步提高數(shù)值天氣預報的本地化產(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)計方法中數(shù)值預報模式的產(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報工作，發(fā)現(xiàn)使用該方法對氣溫的具有較好的預報效果；陳豫英等[2]使用MOS方法對寧夏地區(qū)的平均氣溫進行預報，結果表明MOS法對平均氣溫的預報能力明顯優(yōu)于數(shù)值模式產(chǎn)品，隨著資料的劃分，預報效果有差異；林紓等[3]利用MOS方法對風場產(chǎn)品進行預報，發(fā)現(xiàn)MOS方法對風場具有較好的預報效果；胡江林等[4]利用人工神經(jīng)網(wǎng)絡算法完成了暴雨的預報研究，預報效果表明人工神經(jīng)網(wǎng)絡算法明顯提高了數(shù)值模式的暴雨預測效果；韋惠紅等[5]以歐洲、日本等數(shù)值模式資料為基礎，使用SVM方法（支持向量機）建立了暴雨預報模型，完成了對暴雨的預報工作，檢驗結果表明該方法對暴雨預報具有一定的預報能力和參考價值；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報，并取得了一定的成果；吳愛敏[8]利用歐洲中期預報資料并集成MOS方法、SVM方法、卡爾曼濾波方法完成了慶陽市極端溫度預報，發(fā)現(xiàn)集成后的方法比單一的方法準確性有所改善和提高。

本文采用ECMWF（歐洲中期數(shù)值預報）高分辨率數(shù)值預報資料作為預報因子，以同時段四川廣安各站的最低、最高溫度作為預報對象，分別應用多元統(tǒng)計回歸算法（MOS方法）、前饋神經(jīng)網(wǎng)絡算法（BP算法）兩種統(tǒng)計算法建立的預報方程，制作四川廣安地區(qū)24 h、48 h、72 h的最高氣溫、最低氣溫預報，同時利用實況資料對預報結論進行檢驗，并討論兩種方法的預報準確率。

2 預報方法

2.1 資料與數(shù)據(jù)

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

在溫度預報中，降水、云量、日照、風向風速、氣壓、濕度、垂直運動以環(huán)流背景都對測站溫度有著重要的影響，為了全面、準確描述溫度的影響因子，本文選定的預報因子包括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)計算法：MOS方法和BP神經(jīng)網(wǎng)絡算法，通過這兩種統(tǒng)計算法對2010—2012年的數(shù)據(jù)進行訓練、模擬，得到基于MOS方法、BP神經(jīng)網(wǎng)絡算法的預報方程，然后利用2012—2013年的數(shù)據(jù)對預報方程進行驗證。

2.2 MOS方法介紹

MOS預報方法是一種重要的統(tǒng)計學釋用方法，它在數(shù)值天氣預報模式的歷史預報產(chǎn)品和相應時次的預報對象間建立統(tǒng)計關系，建立回歸預報方程。在進行預報時，把數(shù)值預報輸出的各因子代入相應的預報方程中，就可以輸出預報產(chǎn)品。

MOS方法在氣象預報中具有明顯的優(yōu)點：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方法得到較好的預報結果。而由于MOS方程的建立依賴于數(shù)值模式，當數(shù)值模式發(fā)生較大的變動時，MOS的預報結果就較差。

2.3 BP方法介紹

BP神經(jīng)網(wǎng)絡是由人工建立的以有向圖為拓撲結構的動態(tài)系統(tǒng)，通過對連續(xù)或斷續(xù)的輸入作狀態(tài)響應而進行信息處理。BP算法為一種監(jiān)督式的學習方法，它通過輸入大量的學習樣本，再通過使用反向傳播算法對網(wǎng)絡權值和偏差進行反復調(diào)整訓練，使輸出向量與期望盡量接近，當網(wǎng)絡輸出層誤差平方小于指定的誤差時，完成訓練，最終得到權重值和偏差分布。

隱層至輸出層權、輸入層至隱層權調(diào)整表達式為：

j，k=j，k+（k－k）k（1－k）j

輸出層、隱含層節(jié)點閾值調(diào)整表達式為：

k=k+（k－k）k（1－k）

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

3 結果分析

分別利用MOS方法和BP神經(jīng)網(wǎng)絡算法對2010-11—2012-07共600組數(shù)據(jù)進行了訓練、模擬，得到基于MOS方法、BP神經(jīng)網(wǎng)絡算法的預報方程，然后利用2012-07—2013-06的近300組數(shù)據(jù)對預報方程進行檢驗，并對預測結果進行分析。由于目前氣象部門實行溫度預報2 ℃標準，即預報結果與實況相差2 ℃以上時，評定為預報錯誤；當相差2 ℃以內(nèi)時，評定為預報正確。

因此，采用預報準確率來對最高、最低氣溫進行檢驗，預報準確率的計算方法為：預報準確率=預報正確個數(shù)/（預報正確個數(shù)+預報錯誤個數(shù)）。

從預測誤差上看，MOS方法和BP方法對24 h、48 h、72 h最低溫度的預報系統(tǒng)偏差分別為－0.123 ℃、－0.11 ℃、－0.09 ℃，0.19 ℃、0.01 ℃、－0.03 ℃，對最高溫度預報的系統(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方法對最低溫度預報的絕對誤差分別為1.02 ℃、1.07 ℃、1.06 ℃，1.3 ℃、1.03 ℃、1.41 ℃，對最高溫度預報的絕對誤差分別為1.61 ℃、1.66 ℃、1.7 ℃，1.53 ℃、1.65 ℃、1.69 ℃。

通過與實況資料的檢驗對比表明：以±2 ℃溫差為正確標準，MOS算法對24 h最低氣溫的預報準確率分別達到了88.9%，對48 h的最低溫度預報準確率達到了86.2%，對72 h的最低溫度預報準確率也達到了88.2%；而BP預報方法對24 h、48 h、72 h的最低溫度預報準確率分別達到了80.9%，86.6%，73%。在最高溫度方面，MOS方法對24 h、48 h、72 h的最高溫度的預報準確率分別達到了67.8%，68.9%，68.4%；而BP方法的預報準確分別為70.7%，69.5%以及67.1%。

檢驗結果表明：兩種方法均能預報出廣安本地的最高、最低溫度，且預報準確率較高。兩種預報方法的最低溫度預報準確率均高于最高溫度預報準確率，且隨著時間的延長，預報準確率逐漸降低。兩種預報方法的主要差異表現(xiàn)在：相比BP預報方法，MOS方法對最低溫度的預報具有優(yōu)勢，預報準確率更高、更穩(wěn)定，而BP方法在對最高溫度的預報中表現(xiàn)更好。

基于以上檢驗結果，在實際氣溫預報工作中利用MOS算法對廣安市最低氣溫進行預報，而采用BP算法預報最高氣溫。

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

4 結論

本文采用ECMWF（歐洲中期數(shù)值預報）產(chǎn)品，利用MOS方法、BP方法對廣安地區(qū)的最高、最低氣溫進行預報，結果表明兩種方法均能較為準確地預報出最高、最低氣溫，且預報準確率較高，最低溫度的預報準確率明顯高于最高溫度，隨著時間的延長，準確率逐步降低。兩種預報方法差異表現(xiàn)在對最低、最高氣溫的預報準確率上：MOS方法對最低氣溫的預報準確率高，而BP方法對最高氣溫的預報準確率高。因此，在實際業(yè)務使用中，應該結合使用MOS方法和BP方法，這樣才能更進一步提高預報準確率。

在研究工作中還存在不足之處，包括兩種方法建立的預報公式過于籠統(tǒng)和粗糙，不夠細化。本文直接針對每日最高、最低氣溫建立了溫度預報方程，沒有考慮到季節(jié)差異造成的影響。實際上，由于氣溫的季節(jié)性差異明顯，采用同一個預報公式對不同季節(jié)氣溫進行預報存在較大的差異。下一步將針對本地的氣候特點，分季節(jié)建立溫度預報方程，這樣可進一步提高溫度預報的準確率。

［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報［J］.氣象科技，2009，37（2）：142-144.

［2］陳豫英，陳楠，王素艷，等.MOS方法在動力延伸期候平均氣溫預報中的應用［J］.應用氣象學報，2011，22（1）：86-95.

［3］林紓，張東方，王永光，等.MOS方法在西北地區(qū)東部春季干旱預警的應用與檢驗［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)絡的暴雨預報方法探討［J］.熱帶氣象學報，2003，19（4）：423-428.

［5］韋惠紅，李才媛，鄧紅，等.SVM方法在武漢區(qū)域夏季暴雨預報業(yè)務中的應用［J］.氣象科技，2009，37（2）：145-148.

［6］熊秋芬，顧永剛，王麗.支持向量機分類方法在天空云量預報中的應用［J］.氣象，2007，33（5）：20-26.

［7］賀皓，羅慧.基于支持向量機模式識別的大霧預報方法［J］.氣象科技，2009，37（2）：149-151.

［8］吳愛敏.極端氣溫集成預報方法對比［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，研究方向為中短期天氣預報、雷達氣象。

〔編輯：張思楠〕