一种集合天气预报修订方法及系统
技术领域
本发明属于电力气象技术领域,具体涉及一种集合天气预报修订方法及系统。
背景技术
数值天气预报存在不确定性,这种不确定性源于以下几个方面:对地球大气有限的了解、数值模式必要的近似和离散、大气过程描述的不完整性、有限的观测和初边值误差等,都为数值天气预报带来了无法避免的误差,而数值预报模式的预报误差会随着模式预报时间的延长而迅速增大。为降低预报误差,人们引入了集合预报方法。
集合预报是通过多扰动、多模式、多强迫等方法从物理和数值方面构造多成员预报,比如多扰动方法就是认为大气的初值是不确定的,在初始场加上各种小扰动,使初始场成为某种概率密度函数,解决了大气初值的误差问题,预报准确率会大幅提高。集合预报在同一有效预报时间内有多个不同的预报结果,通过对这些集合预报成员进行统计处理,可以降低预报结果的不确定性,提升预报准确度。
发明内容
为了解决集合预报中,不同预报成员对各类天气模型的预报存在误差的问题,本发明提供一种集合天气预报修订方法及系统,以提升集合预报的准确度。
本发明的目的是采用下述技术方案实现的:
一种天气预报修订方法,包括:
采集集合天气预报数据;
根据预先构建的预报误差统计数据库,对所述采集到的集合天气预报数据进行修订,获得修订结果;
对每个集合预报成员的修订结果进行平均,获得最优的平均预报结果;
所述预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的。
优选的,所述预先构建的预报误差统计数据库包括:
采集预设时间段t内所有历史气象观测数据和历史天气预报数据;
采用类比卡曼滤波方法,划分历史气象观测数据的天气类型,获取各天气类型的内容要素;
遍历集合预报成员的历史天气预报数据,选取包含所述内容要素的历史天气预报数据;
读取所述历史天气预报数据的天气类型信息,与相应历史气象观测数据的天气类型进行对比,获取不同天气类型的预报误差数据,将所述预报误差数据按照集合预报成员姓名进行存储,生成预报误差统计数据库。
进一步地,所述天气类型包括风速、风向、气压、降水量、温度和湿度。
优选的,所述根据预先构建的预报误差统计数据库,对所述采集到的集合天气预报数据进行修订,获得修订结果,包括:
统计每个集合预报成员的集合天气预报数据;
在预报误差统计数据库中,基于所述集合天气预报数据的天气类型信息,查找对应集合预报成员的相似事件;
在所述集合天气预报数据的基础上减去所述相似事件对应的预报误差数据,生成修订结果。
进一步地,获取所述集合天气预报数据的天气类型信息包括:使用类比卡曼滤波方法,对每一个集合预报成员的集合天气预报数据进行滤波,过滤掉振幅较小波段的集合天气预报数据后,将振幅明显的波段作为预报时段,并读取所述预报时段的天气类型信息。
优选的,所述一种天气预报修订方法还包括:统计每个集合预报成员的集合预报概率,采用分位回归法,对集合预报概率进行校准。
进一步地,通过下式确定集合天气预报数据中的集合预报概率:
P=s/n×100%
其中,s表示任一种类型的集合天气预报数据,n表示集合预报成员总数。
优选的,所述集合天气预报数据为实时天气预报结果。
一种集合天气预报修订系统,包括:
采集模块,用于采集集合天气预报数据;
获取模块,用于根据预先构建的预报误差统计数据库,对所述采集到的集合天气预报数据进行修订,获得修订结果;
优化模块,用于对每个集合预报成员的修订结果进行平均,获得最优的平均预报结果。
优选的,所述获取模块包括:构建单元和修订单元。
进一步地,所述构建单元包括:
采集子单元,用于采集预设时间段t内所有历史气象观测数据和历史天气预报数据;
分类子单元,用于采用类比卡曼滤波方法,划分历史气象观测数据的天气类型,获取各天气类型的内容要素;
选取子单元,用于遍历集合预报成员的历史天气预报数据,选取包含所述内容要素的历史天气预报数据;
对比子单元,用于读取所述历史天气预报数据的天气类型信息,与相应历史气象观测数据的天气类型进行对比,获取不同天气类型的预报误差数据;
存储子单元,用于将所述预报误差数据按照集合预报成员姓名进行存储,生成预报误差统计数据库。
进一步地,所述修订单元包括:
统计子单元,用于统计每个集合预报成员的集合天气预报数据;
查询子单元,用于在预报误差统计数据库中,基于所述集合天气预报数据的天气类型信息,查找对应集合预报成员的相似事件;
处理子单元,用于在集合天气预报数据的基础上减去所述相似事件对应的预报误差数据,生成修订结果。
与最接近的现有技术相比,本发明的有益效果是:
本发明涉及一种集合天气预报修订方法及系统,通过采集集合天气预报数据,根据预先构建的预报误差统计数据库,对采集到的集合天气预报数据进行修订,获得修订结果;并对每个集合预报成员的修订结果进行平均,获得最优的平均预报结果,以提升集合预报的准确度,该方案在鉴别和改善灾害型天气事件的预测方面具有优势。
预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的,有效解决了集合预报中,不同预报成员对各类天气模型的预报存在误差的难题。
附图说明
图1是本发明实施例中基于天气类型的集合天气预报修订方法流程图;
图2是本发明实施例中基于天气类型修订集合预报成员的预报误差示意图;
图3是本发明实施例中分位回归法校准集合预报概率示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
本发明提出一种集合天气预报修订方法,该方法在鉴别和改善灾害型天气事件预测方面具有独特的优势。如图1所示,包括:
S1采集集合天气预报数据;步骤S1中采集的集合天气预报数据为实时天气预报结果。
S2根据预先构建的预报误差统计数据库,对采集到的集合天气预报数据进行修订,获得修订结果。其中,预报误差统计数据库是基于历史天气预报数据中各天气类型下的预报误差数据建立的。该数据库可针对每一个天气类型,在历史天气事件中寻找类似的天气类型信息,根据这些天气类型下的集合预报成员历史预报结果和实测资料计算出误差特性,并根据预报误差统计数据库,对采集到的集合天气预报数据进行修订,获得修订结果。
S3对每个集合预报成员的修订结果进行平均,获得最优的平均预报结果。
步骤S2中,预先构建预报误差统计数据库包括:
采集预设时间段t内所有历史气象观测数据;
采用类比卡曼滤波方法,划分历史气象观测数据的天气类型,获取各天气类型的内容要素;
遍历集合预报成员的历史天气预报数据,选取包含所述内容要素的历史天气预报数据;
读取所述历史天气预报数据的天气类型信息,与相应历史气象观测数据的天气类型进行对比,获取不同天气类型的预报误差数据,将所述预报误差数据按照集合预报成员姓名进行存储,生成预报误差统计数据库。
a、采集目标区域的至少3年以上的历史气象观测数据和历史天气预报数据;
b、采用类比卡曼滤波方法,划分历史气象观测数据的天气类型,获取各天气类型的内容要素;天气类型包括风速、风向、气压、降水量、温度和湿度。
内容要素,即各个天气类型出现的时间、地点等。
此处在天气类型分类方面,使用了类比卡曼滤波方法。类比卡曼滤波方法可针对每一个天气类型,在历史天气事件中寻找类似的天气事件,然后根据这些事件的集合成员预报结果和实测资料计算出成员的误差,从而对当前预报成员进行误差订正,如图2所示。
c、遍历集合预报成员的历史天气预报数据,选取包含各个天气类型出现的时间、地点等内容要素的天气预报数据;
d、读取历史天气预报数据的天气类型信息,与相应历史气象观测数据的天气类型进行对比,获取不同天气类型的预报误差数据,将预报误差数据按照集合预报成员姓名进行存储,生成预报误差统计数据库。
步骤S2中,对采集到的集合天气预报数据进行修订,获得修订结果;包括:
1)统计每个集合预报成员的集合天气预报数据;
2)在预报误差统计数据库中,基于所述集合天气预报数据的天气类型信息,查找对应集合预报成员的相似事件,查找过程可使用代码自动实现。其中,获取集合天气预报数据的天气类型信息包括:使用类比卡曼滤波方法,对每一个集合预报成员的集合天气预报数据进行滤波,过滤掉振幅较小波段的预报数据后,将振幅明显的波段作为预报时段,并读取预报时段的天气类型信息。
3)在实时集合天气预报结果的基础上减去所述相似事件对应的预报误差数据,生成修订结果;
在集合天气预报结果的概率订正方面,本发明提出的一种天气预报修订方法还包括,统计每个集合预报成员的集合预报概率,采用分位回归法,对集合预报概率进行校准,如图3所示;该方法的应用可进一步提升集合预报的概率预报准确度。
集合天气预报数据中的集合预报概率通过下式确定:
P=s/n×100%
其中,s表示任一种类型的集合天气预报数据,n表示集合预报成员总数。
以降雨量为例,若共有30个预报成员,其中2个预报成员的降雨量为大于50mm,另外28个预报成员都小于或等于50mm,则本次降雨在50mm以上的集合预报概率为:
P=2/30×100%≈6.7%
得到集合预报概率后,使用分位回归法校准预报概率:由于集合预报一般都存在集合概率的系统误差,如概率幅度偏差、概率函数宽度偏差等,如图3所示。因此可通过对比实际观测数据,得到概率幅度和概率函数宽度的固定系统误差,然后在每次得到新的集合预报概率后,调整新的概率幅度和概率函数宽度,这种方法即分为回归法。该方法可以进一步提升集合概率预报的准确度。
基于同一发明构思,本发明还提供一种集合天气预报修订系统,包括:
采集模块,用于采集集合天气预报数据;
获取模块,用于根据预先构建的预报误差统计数据库,对所述采集到的集合天气预报数据进行修订,获得修订结果;
优化模块,用于对每个集合预报成员的修订结果进行平均,获得最优的平均预报结果。
优选的,所述获取模块包括:构建单元和修订单元。
进一步地,所述构建单元包括:
采集子单元,用于采集预设时间段t内所有历史气象观测数据和历史天气预报数据;
分类子单元,用于采用类比卡曼滤波方法,划分历史气象观测数据的天气类型,获取各天气类型的内容要素;
选取子单元,用于遍历集合预报成员的历史天气预报数据,选取包含所述内容要素的历史天气预报数据;
对比子单元,用于读取所述历史天气预报数据的天气类型信息,与相应历史气象观测数据的天气类型进行对比,获取不同天气类型的预报误差数据;
存储子单元,用于将所述预报误差数据按照集合预报成员姓名进行存储,生成预报误差统计数据库。
进一步地,所述修订单元包括:
统计子单元,用于统计每个集合预报成员的集合天气预报数据;
查询子单元,用于在预报误差统计数据库中,基于所述集合天气预报数据的天气类型信息,查找对应集合预报成员的相似事件;
处理子单元,用于在集合天气预报数据的基础上减去所述相似事件对应的预报误差数据,生成修订结果。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。