三种非线性回归逐时气温预报比较订正.pdfVIP

第 43卷第 6期 气 象 科 技 Vo1．43．No．6 20l5年 12月 M ETEOROIoGICAISCIENCEAND TECHN0IOGY Dec．2015 三种非线性回归逐时气温预报比较订正 梁立为 尹洁 马振富 周开鹏 彭振华 (1甘肃酒泉卫星发射中心，酒泉 732750；2中国人 民解放军 63863部队气象仪器实验室，1370O1) 摘要 选取 ECMWF和 T639的2013年 1月至 2014年 12月的数值预报场构造预报 因子 ，基于神经网络、支持 向 量机和构造函数 的非线性方法 ，预报地面逐时气温 。试验结果显示 ，在单个方法预报误差较大时，3种方法 的偏差 订正集成方法更利于减小误差，通过偏差订正 ，3种非线性方法预报效果 良好 ，平均绝对误差减小了0．5℃。在近 1年独立样本的预报检验 中，集成方法 、神经网络、支持 向量机和构造函数预报的平均绝对误差分别为 1．5℃、1．7 ℃、1．8℃和 1．4℃，总体上构造函数预报更为准确。 关键词 神经网络 ；支持向量机 ；构造非线性函数 ；逐时气温预报 ；偏差订正 引言 1 资料处理 精细化的逐时气温预报在航天任务的气象保障 以本地区地面逐 时气温观测值作为预报对象。 中比较重要 。叶坤辉_1等通过对云南地区气温的潜 备选预报 因子是 2013--2014年 ECMwF和 T639 在可预报性进行分析，估计 了该地区季节气温的气 数值预报资料的 08：O0、20：O0的 1O余种物理量 ，关 候噪声方差和潜在可预报性 。温度预报普遍采用较 键 区范 围为 35。～45。N、90。～ 11O。E。层次为地面、 为广泛使用的MoS、PP法等预报方法_2]，在实际应 925hPa、850hPa、700hPa、500hPa，主要预报 因子 用效果和理论上都发现有不足之处 。陈优平等 利 有地表温度 、2m温度、温度平流、地面气压 、低层水 用卡尔曼滤波进行逐 日滚动预报温度。李莉等_4]研 汽指数 (温度露点差 、相对湿度、水汽压)、南北温度 究使用卡尔曼滤波的自适应误差订正方法对国家气 梯度项 、24h变温、位温等。其 中2013年资料用于 象中心业务全球集合预报模式的系统性误差进行估 训练建模 ，2014年 的资料作为独立样本 ，检验模型 计和订正。陈法敬等 基于单一数值预报产 品概率 的预报能力 。 化技术 BPO，将一次集合预报结果融合为一个集成 2 预报方法 贝叶斯概率预报 ，订正集成效果尤其显著。 本文利用神经 网络 (BP)的预钡4方法 ]，针对 2．1 BP预报方法 不同数值预报产品进行预报 因子的选取 ，尝试用多 2．1．1 BP预报方法的设计 种预报因子的组合 ，利用 MATLAB的神经 网络工 由于单隐层神经 网络的非线性映射能力 比较 具箱r8建立了逐时气温预报模型 。其次 ，采用支持 强 ，本文采用单隐层的神经网络 ，而中间层的神经元 向量机 (SVM)回归方法[g ，建立本地区逐时气温 个数需要通过实验来确定。由于输入神经元有 5 的SVM 回归预报。最后 ，构造 了一个适 当的非线 个 ，所 以根据 Kolmogorov定理可知 ，中间层神经元 性函数 ，建立了非线性 回归预报模型。在实际应用 个数应该在 9～20之间。因此，本文为中间层神经 中能够弥补其他方法 的不足，不 失为一种新 的实用 元个数选择 3个值 ，分别为 10、15、18，并分别检查 的非线性预报方法 。