MOS方法在机场气象要素客观预报中的应用.pptVIP

为了更好的应用wrf模式输出的结果，我们采用了mos方法 * 本文使用乌鲁木齐机场2009年1月至2011年8月的WRF中尺度数值模式输出产品，尝试使用SVM方法制作乌鲁木齐机场气象要素客观预报。 * 时间关系，方法我就不做赘述，大家如果有兴趣，有相关文献可以参考 * 就是通过以上的mos方法，我们进行了温度、相对湿度的回归预报 * 本文所用因子库，是由WRF数值模式第三层嵌套12至35小时输出的逐时结果进行构建的，即使用乌鲁木齐机场温度、风、海平面气压、相对湿度以及降水量作为预报因子。并且在考虑乌鲁木齐机场气象要素季节性变化的基础上，整理制作了逐月的样品数据集，剔除了有问题的数据后 在考虑乌鲁木齐机场气象要素的季节性变化的基础上，整理制作逐月样本数据集，在剔除有问题的数据后，将样本数据集中的70%作为训练样本，其余部分作为检验样本。 * 我们 * 从温度的检验效果看，WRF模式输出的温度预报在1~3月、11~12月平均绝对差较大，均超过3℃，尤其是1月和12月绝对差超过5℃，模式输出的温度预报在冬季可用性很差。而MOS逐时温度预报的平均绝对差基本控制在1.09~2.33℃之间，其中只有1月、12月的平均绝对差超过2℃，但是都低于3度。这一对比表明：mos方法明显改善了冬季的温度预报。 * 1、并且通过两者均方差的比较可以看到：MOS温度预报输出结果更加稳定。 2、因此我们有理由认为，MOS温度预报整体预报效果要优于WRF数值模式输出的温度预报，且逐月温度预报结果较为稳定，可以作为逐时温度预报的指导产品。 * 另外，从相对湿度的检验效果来看，WRF模式输出的相对湿度平均绝对误差为9.69~20.74%，4~10月的误差明显大于其他月份，全年相对湿度预报平均误差有明显的季节性变化；而MOS逐时相对湿度预报的平均绝对差较WRF模式输出有明显的减小，基本控制在4.71~9.58%。 * 1、并且通过两者均方差的比较，可以看到；MOS逐时相对湿度预报输出结果更加稳定。 2、因此，我们同样有理由认为：MOS方法能够较好的改善4~10月相对湿度的预报结果，并且保证了相对湿度预报结果的稳定性。 * 接下来，我们通过mos方法进行了低能见度、云量的分类预报 * 因为低能见度、云量的预报因子与温度、相对湿度的预报因子相同，此处不再赘述。对这几个预报对象，只是将他们分类，也就是出现还是不出现，有还是没有。 * MOS方法的低能见度预报模型，分类准确率达到89%以上，主导能见度≤800米（正样本）的TS评分在29.09~46.05%，预报成功率为61.11~76.19%。 * MOS方法的低云量预报模型，分类准确率维持在76%以上，低云量＞5分量（正样本）的TS评分维持在54.27~66.50%，预报成功率为72.57~79.88%。 * 统计数据分析表明，主导能见度≤800米事件占总样本的10%左右，总云量或低云量＞5分量事件占总样本的30%以上，而MOS方法对低能见度、云量等要素的预报TS评分均达到30%以上，即TS评分高于正样本在样本出现的频率，具有正的预报技巧，说明MOS预报模型对上述预报对象有一定的预测推理能力。 * 综上所述，我们得出了以下结论 * * MOS方法在机场气象要素 客观预报中的应用 民航新疆空管局气象中心 2012年9月 主要内容 研究背景 MOS方法简介 温度、相对湿度的回归预报 低能见度、云量的分类预报 小结 研究背景（一）乌鲁木齐机场航班总量逐年增加 研究背景（二）冬季复杂天气对航班的影响 研究背景（三） 乌鲁木齐机场于2009年开始进行基于WRF中尺度数值模式的新疆区域航空气象数值预报试验项目。 经过近3年的稳定运行，目前已积累了较为丰富的模式产品和检验资料。 D01 D02 D03 研究背景（三）续 主要内容 研究背景 MOS方法简介 温度、相对湿度的回归预报 低能见度、云量的分类预报 小结 MOS方法简介 为了提高机场要素预报精度，加强数值预报产品的释用，乌鲁木齐机场于2011年开始尝试使用SVM方法进行模式输出的机场客观要素预报的应用。 目前国内已有相关研究MOS方法进行温度、降水、相对湿度等要素的预报，检验结果表明MOS方法的预报结果较模式直接输出结果有明显提高，并能自动订正数值预报的系统性误差，因此该方法在气象业务中得到广泛的应用。 MOS方法简介 支持向量机（SVM）方法，是基于Vapnik等人提出的统计学习理论的机器学习方法，它具有以下优势： 避免人工神经网络等方法的网络结构难于确定、过学习和欠学习以及局部极小等问题 对因子数量没有限制，而传统的统计方法通常对因子数目有一定的限制 能够合理地表述预报对象和因子之间的非线性关系 它是一种专门针对小样本的理论 主要内容