卡尔曼滤波方法在东北地区初霜冻预报中的应用研究.pdfVIP

卡尔曼滤波方法在东北地区初霜冻预报中的应用 吴 昊 扬克明 陈秀风王东生 (国家气象中心，北京100081) 提要 在对东北地区初霜冻天气气候特征分析研究的基础上，应用卡尔曼滤波方法制作了该地区初 霜冻的预报，井讨论了卡尔曼滤波初值计算的改进方案，预报效果明显提高．对实时预报业务育一 定的参考价值。 关键调：初霜冻卡尔曼滤波初值计算方法 霜冻是中国主要的农业气象灾害之一，它危害多种农作物，致使减产歉收，造成的经济损 失很大，尤其是异常初霜冻危害更大，导致秋收作物大幅度减产。中国东北地区是重要的农业 区，地处中高纬度，受北方冷空气影响早，初霜冻出现也早、危害大。因此，分析研究东北地区的 初霜冻及预报方法极为重要。 本文在对东北地区初霜冻的天气气候特征分析的基础上口]，应用卡尔曼滤波方法，以 T106气温预报产品作为预报因子，分别对东北地区有代表性的38个站点进行了36，60小时 最低气温预报。同时通过统计历史资料找出各个站点最低气温与地面最低温度之间的差值对 预报值加以订正，从而得到各站点的地面最低温度，当某站地面最低温度≤o℃时，即确定该站 出现初霜冻。在卡尔曼滤波方法应用的过程中，我们对卡尔曼滤波初值计算的传统方法进行了 一些改进。在利用样本资料的统计模型得到卡尔曼滤波递推公式初值的初步估计值后，不直接 将该值用于预报，雨是在此基础上进丽加以订正，即对其中误差较大的估计值在一定范围内用 穷举法进行调整，分别代入卡尔曼滤波递推公式，重复利用样本资料进行模拟预报，通过对比 预报效果确定最佳的初值估计值。这一改进在预报试验中取得较为显著的效果。 2卡尔曼滤波方法简介 业务预报领域中应用，用卡尔曼滤波方法建立的统计模型具有对数僵模式变化的适应能力强、 所器样本资料的容量小等特点。 对于卡尔曼滤波方法的基本原理，本文不多解释，仅给出下列递推公式‘“。 Y。一x。A一， 3-W R，=C。l o。一X：R。)【1+v A。=R。)叠町l ·163· 丘=且_1十A。(1，，一y。) C。一R。一A。d，A7 从上式中不难看出。为了反复运算这组公式，实现递推过程，首先必须确定参数的初值风，C。， Ⅳ，v。其中初值风可以使用近期容量不大的样本资料建立统计模型，通过求解多元线性回归 方程的回归系数得到它的估计值i韶值G是风的误差方差阵，可以假定它与理论值褶等，即 为零方阵；确定初值w，v比较困难，通常是根据回归系数的变化来粗略估计初值Ⅵ，，根据回 归方程中的残差来粗略估计初值矿。 3 卡尔曼滤波初值计算方法的改进方案 在卡尔曼滤波递推过程中，通常认为随机扰动的特性是不变的，即参数w，y一旦确定之 后，在递推过程中保持不变。正是由于这一假设，因此参数Ⅳ，y的准确计算在递推过程中显 得尤为重要，否则将会造成较大的系统误差。然而在实际工作中，确定参数Ⅳ，V却比较困难。 我们经过大量的试验发现，通过传统方法‘”确定的参数Ⅳ，v的估计值并不十分准确，没有宽 分考虑它们对预报效果产生的影响。 3．1参数W，1I，对预报效果产生的影喃 为r寻找一种确定参数Ⅳ，V估计值的精确方法，我们首先需要了解它们对预报结果产 生的影响以及相互之间的关系。下面我们以1999年8--11月沈阳36，60小时最低气温预报为 例加“说明。 3．1．1参数Ⅳ对预报效果的影响 由于参数Ⅳ是状态方程动态噪声的方差，～般将其估计值取为非对角线元素为零的方 阵，其中对角线元素分别为量测方程中单位时间内各个回归系数变化的平方。通常对应于各个 预报因子的回归系数变化幅度很小，而对应于常数项的回归系数则反映了预报量的基本变化 趋势，变化幅度相对较大。试验证明后者远远大于前者，通常在2个数量级以上。因此，我们可