卡尔曼滤波方法在四川盆地面雨量预报中的应用研究.pdfVIP

卡尔曼滤波方法在四川盆地面雨量预报中的应用 冯汉中 李万昌 (四川省气象台．成都610072) 提要 本文甩卡尔曼滤波方法释用ECMWF输出产品于四川盆地的面雨量预报。研究结果表明：不 对面雨量做任何形式的变换做为预报对象用0小时的ECMWF输出资料进行面雨量的模拟结果 最好。用订正后的94--144小时ECMWF输出资料于面雨量的预报结果表明，卡尔曼滤波方法对 面雨量从无到有的转折性降雨预报具有参考价值。 关■词：卡尔曼滤波面雨量预报 卡尔曼滤波方法在气象领域中的运用已得到认可，尤其是在对连续性变量(如温度、湿度 等)的预报方面已得到广泛的运甩。而将卡尔曼滤波方法用于对雨量的预报探讨的较少。原因 是逐日雨量的变化不具备卡尔曼滤波方法要求的预报对象要有离散线性变化的特点。大家所 熟知的是：一个点的温度特征能够代表其周围一定范围内整个区域的温度特性，而一个点的雨 量特征并不能代表其周围整个区域的雨量特性。为了能使某一雨量值能代表整个区域的雨量 特性，我们引入面平均雨量概念。面平均雨量以整个区域内所有站点的雨量值的平均值来近似 代替，消除了单点雨量值所常有的奇异特征，代表了特定大气环流作用F该区域所产生的雨量 特性值，与天气形势的变化密切相关，具有了相对平稳、连续的变化特性。有了面雨量这一特定 的概念，就有了引入卡尔曼滤波方法探讨对面平均丽量值预报的可能性。 1 卡尔曼滤波方法简介 相对一般多元回归方法而言。卡尔曼滤波方法是建立在一种资料不断生成的过程模式基 础上的，新的资料对其影响要比老的资料影响要丈。 卡尔曼滤波方程由两组方程即量测方程(1)和系数订正方程(2)组成。量测方程是： y0)一X(t)fl(t)十eO) (1) 上式与一般的线性回归方程的区别是(1)式中的回归系数和噪声e(f)是变化的(在一般的线性 回归方程中，fl(t)为常数，e(1)为零)。系数订正方程是： fl(t)=fl(t一1)+e(￡一1) 其中￡0—1)为随机噪声。 预报方程的更新主要是回归系数的更新，根据t时刻以前的若干组y，x量测样本，求出口 误差方差阵就推出下一次fl(t)的最佳估计值p(f)。这样不断更新方程中的系数fl(t)，预报方 程亦随之得以不断更新，从而达到实时预报的目的。 ·158· 2 卡尔曼滤波方法用于面雨量预报的方法探讨 2．1预报因子的选取 卡尔受滤波方法其实是一种特殊的回归方法。回归结果的好坏，一是由方法本身所决定， 二是受选取的预报因子的影响，因此用于建立预报方程的预报因子就必须与预报对象具有较 好的相关性。由于我们的预报是以数值预报产品为依据，采用完全预报方法(PPM)建立预报 方程。按预报经验，我们把直接影响四川盆地天气的关键区域(25。～40*N，95。～110。E)确定为 预报因子的挑选区域，从ECMWF同一天的输出产品中，选取预报因子。 气压值、24小时变压值，850hPa的温度值、24小时变温值，共8个因子表征盆地本身及盆地东 小时的变压平均值，850hPa的温度平均值及24小时变温平均值，共4个因子表征盆她北部气 团属性及其演变。 (2)500hPa图上表征天气系统影响的因子(3个)。 时变高平均值，以表征南支槽的活动状况及盆地上空影响系统的变化。 2．2预报对象 预报对象为区域内的面雨量。区域面雨量为t该区域内所有站点日雨量之和的平均值。相 对于温度而言，面褥量仍具有非连续性的特点，因此，为了探讨卡尔曼滤波预报方法对面雨量 预报的可能性，我们对面雨量进行了3种形式的变换： 方法l：，一j，不变换，实际面雨量作为预报对象 方法2：y—y+P实际面雨量与同日多年面雨量平均值之和作为预报对象，目的是增加 雨量的气候特性。 方法3；y—ln(y)对实际面雨量作自然对数变换，将面雨量变换为同一量级范围，以使 其具有相对平稳性，作为预报对象。 2．3资料长度 有关研究表明，卡尔曼滤波方法的连续性自适应样本数为40～60d。在此，我们选用自预 报日开始往前推60d的实时资料作为样本。以多元回归方法求取卡尔曼滤波方程的初始递推 参数，再利用卡尔曼滤波方法，依