導(dǎo)語(yǔ)：四個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型對(duì)比探析一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：利用臨河（53513）2014年3月11日至12月26日的地面觀測(cè)資料和T639數(shù)值模式、歐洲中心細(xì)網(wǎng)格（ECTHIN）數(shù)值模式、中央指導(dǎo)預(yù)報(bào)、德國(guó)天氣在線預(yù)報(bào)等預(yù)報(bào)結(jié)果通過(guò)平均誤差、絕對(duì)平均誤差和均方根誤差來(lái)建立統(tǒng)計(jì)學(xué)最佳預(yù)報(bào)模型、預(yù)報(bào)準(zhǔn)確率權(quán)重預(yù)報(bào)模型天氣跟蹤預(yù)報(bào)模型和天氣學(xué)解釋模型，并對(duì)統(tǒng)計(jì)學(xué)模型進(jìn)行檢驗(yàn)，結(jié)果表明：最高氣溫、最低氣溫預(yù)報(bào)整體效果較好，24h2℃最高氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為85.91%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為82.13%，天氣跟蹤模型為83.47%，天氣學(xué)解釋模型為80.07%，指導(dǎo)預(yù)報(bào)為為79.04%；24h2℃最低氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為75.95%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為74.57%，天氣跟蹤模型為72.51%，天氣學(xué)解釋模型為65.29%，指導(dǎo)預(yù)報(bào)為59.9%。

關(guān)鍵詞：數(shù)值模式預(yù)報(bào)；檢驗(yàn)分析；統(tǒng)計(jì)學(xué)；模型

1研究背景

目前預(yù)報(bào)參考的數(shù)值模式產(chǎn)品和指導(dǎo)性預(yù)報(bào)產(chǎn)品比較多，國(guó)家氣象部門對(duì)預(yù)報(bào)結(jié)果是有標(biāo)準(zhǔn)的，預(yù)報(bào)員在有限時(shí)間內(nèi)看完所有資料是不可能的。因此，在前期預(yù)報(bào)結(jié)果檢驗(yàn)基礎(chǔ)上建立相應(yīng)的統(tǒng)計(jì)學(xué)預(yù)報(bào)模型是極為有必要的。本文以內(nèi)蒙古巴彥淖爾市臨河站為例，根據(jù)地級(jí)市預(yù)報(bào)員的想法思路建立了最佳預(yù)報(bào)模型、預(yù)報(bào)準(zhǔn)確率權(quán)重模型、天氣學(xué)解釋模型和天氣跟蹤預(yù)報(bào)模型等統(tǒng)計(jì)學(xué)預(yù)報(bào)模型，并對(duì)其進(jìn)行對(duì)比分析。

2資料與方法

2.1資料

本文以臨河站（53513）為研究背景，所用資料為2014年3月11日—2014年12月26日的日最高氣溫、日最低氣溫等氣象資料和各模式與指導(dǎo)預(yù)報(bào)的最高氣溫、最低氣溫。

2.2方法

本文在計(jì)算出某一時(shí)段的平均誤差、平均絕對(duì)誤差和均方根的基礎(chǔ)上，利用預(yù)報(bào)準(zhǔn)確率建立了最佳預(yù)報(bào)模型、預(yù)報(bào)準(zhǔn)確率權(quán)重模型、天氣學(xué)解釋模型和天氣跟蹤預(yù)報(bào)模型等統(tǒng)計(jì)學(xué)預(yù)報(bào)模型。最佳預(yù)報(bào)模型的思路。在多模式產(chǎn)品和指導(dǎo)預(yù)報(bào)產(chǎn)品分級(jí)檢驗(yàn)的基礎(chǔ)上，通過(guò)絕對(duì)平均誤差、平均誤差、均方根誤差和多元線性回歸等方法訂正模式產(chǎn)品誤差后再次進(jìn)行分級(jí)檢驗(yàn)，最后得出預(yù)報(bào)準(zhǔn)確率最好、平均絕對(duì)誤差最小的預(yù)報(bào)結(jié)果，若預(yù)報(bào)準(zhǔn)確率和平均絕對(duì)誤差相同時(shí)，分析下一層的預(yù)報(bào)準(zhǔn)確率和平均絕對(duì)誤差。例如，氣溫預(yù)報(bào)檢驗(yàn)需2、1.5、1℃和0.5℃四級(jí)分級(jí)預(yù)報(bào)準(zhǔn)確率檢驗(yàn)。如果兩個(gè)預(yù)報(bào)的2℃預(yù)報(bào)準(zhǔn)確率和平均絕對(duì)誤差都相同，那么計(jì)算兩個(gè)預(yù)報(bào)的1.5℃預(yù)報(bào)準(zhǔn)確率和平均絕對(duì)誤差，依次推理選出預(yù)報(bào)準(zhǔn)確率最好、平均絕對(duì)誤差最小的模式產(chǎn)品預(yù)報(bào)為最佳預(yù)報(bào)。根據(jù)臨河站的檢驗(yàn)情況預(yù)報(bào)訂正誤差最佳樣本數(shù)據(jù)為10個(gè)，如訂正最高氣溫，那么根據(jù)當(dāng)天預(yù)報(bào)往前推出10天預(yù)報(bào)誤差來(lái)訂正預(yù)報(bào)產(chǎn)品的效率最好。預(yù)報(bào)準(zhǔn)確率權(quán)重模型思路。在最佳預(yù)報(bào)模型的基礎(chǔ)上，確定最佳預(yù)報(bào)前三或前五，然后基于預(yù)報(bào)準(zhǔn)確率計(jì)算權(quán)重系數(shù)，最后得出多模式產(chǎn)品的權(quán)重預(yù)報(bào)。根據(jù)臨河站的預(yù)報(bào)準(zhǔn)確率權(quán)重預(yù)報(bào)最佳樣本數(shù)據(jù)為3個(gè)，如最高氣溫預(yù)報(bào)，在最佳預(yù)報(bào)模型的基礎(chǔ)上，確定最佳預(yù)報(bào)前三預(yù)報(bào)的效果最為明顯。

天氣跟蹤模型思路。模式預(yù)報(bào)針對(duì)不同的初始場(chǎng)預(yù)報(bào)同一個(gè)時(shí)次氣象要素或物理量，首先確定每一次預(yù)報(bào)時(shí)效的最佳預(yù)報(bào)，然后基于預(yù)報(bào)準(zhǔn)確率計(jì)算權(quán)重系數(shù)，最后得出的預(yù)報(bào)為天氣跟蹤預(yù)報(bào)結(jié)果。根據(jù)臨河站天氣跟蹤預(yù)報(bào)最佳樣本數(shù)據(jù)為3個(gè)，如預(yù)報(bào)最高氣溫，那么根據(jù)當(dāng)天預(yù)報(bào)往前推出3天（72h）預(yù)報(bào)開(kāi)始跟蹤訂正得出的結(jié)果效果最好。天氣學(xué)解釋模型的思路。通過(guò)某一個(gè)預(yù)報(bào)時(shí)效的多模式產(chǎn)品采用多元線性回歸方法動(dòng)態(tài)計(jì)算出回歸方程，最后用方程計(jì)算對(duì)應(yīng)預(yù)報(bào)時(shí)效的氣象要素預(yù)報(bào)產(chǎn)品。根據(jù)臨河站天氣學(xué)解釋預(yù)報(bào)檢驗(yàn)情況最佳樣本數(shù)據(jù)為180個(gè)（3月），如最高氣溫預(yù)報(bào)，那么根據(jù)當(dāng)天預(yù)報(bào)往前推出180天預(yù)報(bào)和實(shí)況做多元線性回歸方程得出的預(yù)報(bào)產(chǎn)品效果最好。

3預(yù)報(bào)模型檢驗(yàn)分析

隨著預(yù)報(bào)時(shí)效的變化，數(shù)值模式產(chǎn)品和指導(dǎo)預(yù)報(bào)的預(yù)報(bào)誤差和預(yù)報(bào)準(zhǔn)確率下降。本文只檢驗(yàn)分析最高氣溫和最低氣溫。根據(jù)平均誤差、平均絕對(duì)誤差、平均均方根誤差等方法訂正原始預(yù)報(bào)后，最后每一項(xiàng)預(yù)報(bào)都出現(xiàn)4種結(jié)果，原始預(yù)報(bào)、平均誤差訂正預(yù)報(bào)、平均絕對(duì)誤差訂正預(yù)報(bào)和平均均方根誤差訂正預(yù)報(bào)。例如，最高氣溫預(yù)報(bào)，參與的中央指導(dǎo)預(yù)報(bào)、省級(jí)指導(dǎo)預(yù)報(bào)、德國(guó)天氣在線預(yù)報(bào)、歐洲中心模式預(yù)報(bào)、T639模式預(yù)報(bào)經(jīng)過(guò)誤差訂正后出現(xiàn)20種預(yù)報(bào)。

3.1最高氣溫檢驗(yàn)可以看出

（模式和指導(dǎo)預(yù)報(bào)產(chǎn)品預(yù)報(bào)初始場(chǎng)為20時(shí)），24h最高氣溫的4個(gè)有統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)和實(shí)況擬合度還是比較好的，從2℃預(yù)報(bào)準(zhǔn)確率來(lái)看，最佳預(yù)報(bào)模型為85.91%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為82.13%，天氣跟蹤模型為83.47%，天氣學(xué)解釋模型為80.07%，指導(dǎo)預(yù)報(bào)為79.04%。從不同季節(jié)的預(yù)報(bào)效果看，夏季（6、7、8月）和秋季（9、10、11月）4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)效果明顯好于春季（3、4、5月）。24h2℃最高氣溫4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)都普遍提高1%～6%。統(tǒng)計(jì)模型與指導(dǎo)預(yù)報(bào)和數(shù)值模式預(yù)報(bào)一樣，隨著預(yù)報(bào)時(shí)效延長(zhǎng)，預(yù)報(bào)準(zhǔn)確率下降。預(yù)報(bào)準(zhǔn)確率提高幅度也隨著預(yù)報(bào)準(zhǔn)確率的下降而下降，至120h的統(tǒng)計(jì)模型預(yù)報(bào)準(zhǔn)確率與原始預(yù)報(bào)基本一樣。

3.2最低氣溫檢驗(yàn)

可以看出（模式和指導(dǎo)預(yù)報(bào)產(chǎn)品預(yù)報(bào)初始場(chǎng)為20時(shí)），24h最低氣溫的4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)和實(shí)況擬合度較好。從2℃預(yù)報(bào)準(zhǔn)確率來(lái)看，最佳預(yù)報(bào)模型為75.95%,預(yù)報(bào)準(zhǔn)確率權(quán)重模型為74.57%，天氣跟蹤模型為72.51%，天氣學(xué)解釋模型為65.29%，指導(dǎo)預(yù)報(bào)為59.90%。從不同季節(jié)的預(yù)報(bào)效果來(lái)看，夏季（6、7、8月）和秋季（9、10、11月）4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)效果明顯好于春季（3、4、5月）24h2℃最低氣溫4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)都普遍提高5%～16%。統(tǒng)計(jì)模型與指導(dǎo)預(yù)報(bào)和數(shù)值模式預(yù)報(bào)一樣，隨著預(yù)報(bào)時(shí)效延長(zhǎng)，預(yù)報(bào)準(zhǔn)確率下降。此外，預(yù)報(bào)準(zhǔn)確率提高幅度也是隨著預(yù)報(bào)準(zhǔn)確率的下降而下降，至96h的統(tǒng)計(jì)模型預(yù)報(bào)準(zhǔn)確率與原始預(yù)報(bào)基本一樣。

4結(jié)論

應(yīng)用4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型模型對(duì)樣本（2014年3月11日—2014年12月26日）進(jìn)行預(yù)報(bào)檢驗(yàn)，數(shù)據(jù)（模式和指導(dǎo)預(yù)報(bào)產(chǎn)品預(yù)報(bào)初始場(chǎng)為20時(shí)）顯示：24h2℃最高氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為85.91%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為82.13%，天氣跟蹤模型為83.47%，天氣學(xué)解釋模型為80.07%，指導(dǎo)預(yù)報(bào)為79.04%；24h2℃最低氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為75.95%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為74.57%，天氣跟蹤模型為72.51%，天氣學(xué)解釋模型為65.29%，指導(dǎo)預(yù)報(bào)為59.90%。最佳預(yù)報(bào)模型最佳樣本數(shù)據(jù)為10個(gè)；預(yù)報(bào)準(zhǔn)確率權(quán)重模型最佳預(yù)報(bào)前三預(yù)報(bào)的權(quán)重預(yù)報(bào)為最好；天氣跟蹤模型最佳樣本數(shù)據(jù)為3個(gè)（往前推72h）預(yù)報(bào)效率最好；天氣學(xué)解釋模型最佳樣本數(shù)據(jù)為180個(gè)（3月）預(yù)報(bào)效率最好。24h2℃最高氣溫4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)提高1%～16%；24h2℃最低氣溫4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)都普遍提高5%～16%。統(tǒng)計(jì)模型與指導(dǎo)預(yù)報(bào)和數(shù)值模式預(yù)報(bào)一樣隨著預(yù)報(bào)時(shí)效延長(zhǎng)而預(yù)報(bào)準(zhǔn)確率下降。預(yù)報(bào)準(zhǔn)確率提高幅度也隨著預(yù)報(bào)準(zhǔn)確率的下降而下降。從不同季節(jié)的預(yù)報(bào)效果看，夏季（6、7、8月）和秋季（9、10、11月）4個(gè)統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)效果明顯好于春季（3、4、5月）。

參考文獻(xiàn)：

［1］劉還珠，趙聲蓉，陸志善，等.國(guó)家氣象中心氣象要素的客觀預(yù)報(bào)——MOS系統(tǒng)［J］.應(yīng)用氣象學(xué)報(bào)，2004（2）：181-191.

［2］黃嘉佑.氣象統(tǒng)計(jì)分析與預(yù)報(bào)方法［M］.北京：氣象出版社，2010.

［3］張良，李耀輝，王勝，等.張掖國(guó)家氣候觀象臺(tái)常規(guī)氣象資料檢驗(yàn)分析［J］.干旱氣象，，2010（1）：49-53.

［4］潘留杰，張宏芳，朱偉軍，等.ECMWF模式對(duì)東北半球氣象要素場(chǎng)預(yù)報(bào)能力的檢驗(yàn)［J］.氣候與環(huán)境研究，2013（1）：111-123.

［5］張成軍，紀(jì)曉玲，馬金仁，等.多種數(shù)值預(yù)報(bào)及其釋用產(chǎn)品在寧夏天氣預(yù)報(bào)業(yè)務(wù)中的檢驗(yàn)評(píng)估［J］.干旱氣象，2017（1）：148-156.

作者:白秀芳 楊鐵鋼 單位:通遼市氣象局