SVM方法在乡镇精细化温度预报应用.pdfVIP

SVM 方法在乡镇精细化温度预报中的应用 张宝荣，薛禄宇，丁立芳，刘凤辉，付立娟，张沛刚，孙跃强 （北京市密云县气象局，101500） 摘要：随着社会的发展，公众对天气预报准确率和服务的及时性都提出了很高的要求。对气象服务个性化、精细化的需求较之以往更 加丰富具体。虽然北京地区高分辨率快速循环同化预报系统（简称BJ-RUC）已经能够比过去传统的中尺度数值模式提供更高时间、空 间精度的预报信息，但仍然不能满足目前开展乡镇精细化预报的需求。根据北京过去3 年的业务实际情况 （基于BJ-RUC模式预报产品， 通过插值方法，制作北京地区15个站点要素预报），站点温度预报的准确率普遍较低，尤其是最高温度的准确率基本在50-65%之间。 为了提高站点温度预报准确率，有必要对数值模式温度要素预报、相关物理量预报和实况温度进行对比分析，从中找到具有物理意义 的统计规律，并基于此规律对数值模式的温度预报进行订正。通过对北京市（东片-东北片）地区 BJ-RUC 系统站点温度预报能力的分 析，找出了影响温度预报准确率的关键因子，利用支持向量机（SVM）技术，建立适用于北京市（东片-东北片）地区39个站点的温度 预报释用模型，对各乡镇进行区域站点预报的订正，提高预报效果。由于北京季节变化特征明显，不同季节影响温度变化的物理要素 差异显著，所以对每个站点的每个季节分别作出订正模型。对输出预报产品做准确率，均方根误差，绝对误差标准差等指标分析，分 析指出在三个季节中，SVM订正后的预报准确率在最好季节较RUC高68%，尤其在低温预报中最好季节较RUC高114%。SVM在高山站预 报效果略好于平原站，但是 SVM 对于高山站修正幅度更大。也证明 SVM 方法的预报比较稳定，对乡镇精细化预报有较好的预报能力和 推广应用能力。 关键词：精细化温度预报，SVM   1、 SVM 方法介绍 【1】 SVM 方法的基本思想是升维和线性化，通过非线性映射(核函数)，把样本空间映射到一个高维乃至于无穷维 的特征空间，在特征空间中，应用线性学习机的方法解决样本空间中的高度非线性问题。在整个求解过程中不需要 知道非线性映射的显式表达式，而是通过支持向量(关键样本)来表达预报因子与预报对象的关系。SVM 方法在文本 识别、图象识别、信号处理、降水预报等方面都有广泛的应用 【2-7】 [8] 。王在文 在 SVM 方法在快速订正中的应用研究 中也指出，订正后的预报精度在 MM5V3 模式预报基础上有很大提高。 为便于分析，所以在进行效果评估的时候，我们在对全体站点进行分析时候按海拔高度进行了划分，以海拔 200 米以上的台站为高山站，以海拔 200 米以下（包括 200 米）为平原站。并且把国家级台站和一般区域站区分来，以 比较其相应效果。 2、 预报因子选取 预报因子包括下面 41 个因子。T2m（2-m 温度）、Q2m（2-m 比湿、PSFC（海平面气压）、TSK（地表温度）、UVs10m （10-m 风速）、UVd10m（10-m 风向）、RAIN（降水）、SWDOWN （短波向下辐射）、GLW（长波向下辐射）、PBLH（边 界层高度）、HFX（感热）、LH（潜热）、T 等压面等压面θ （200，500，700，850，925，975 六等压面）、U 等压面U 风（200，500，700，850，925，975六等压面）、V 等压面V 风（200，500，700，850，925，975六等压面）、Q 等 压面比湿（200，500，700，850，925，975 六等压面）、地面观测自动站六要素。 3、 两种预报方法在各站点的准确率    图 1 春季各站点准确率（蓝色为 RUC 准确率，红色为 SVM 准确率下同）  图 2 秋季各站点准确率（蓝色为 RUC 准确率，红色为 SVM 准确率下同）  图3 冬季各站点准确率  上三图，其中蓝色的为 RUC 预报方法该季节预报准确率，红色为 SVM 预报方法该季节预报准确率。对比分析 发