CN110659448A - 一种非正交集合预报初值扰动算法 - Google Patents
一种非正交集合预报初值扰动算法 Download PDFInfo
- Publication number
- CN110659448A CN110659448A CN201910885433.2A CN201910885433A CN110659448A CN 110659448 A CN110659448 A CN 110659448A CN 201910885433 A CN201910885433 A CN 201910885433A CN 110659448 A CN110659448 A CN 110659448A
- Authority
- CN
- China
- Prior art keywords
- disturbance
- mode
- initial
- forecast
- ensemble prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种非正交集合预报初值扰动算法,具体涉及集合预报初值扰动算法领域,具体算法步骤如下:S1、对于某一给定时刻t0,在数值模式初始分析场上叠加一个小扰动;S2、模式同时向前积分受扰初始场和未扰动初始场至t1时刻;S3、用t1时刻得到的扰动预报减去控制预报;S4、适时缩放上一步所获取的输出模,使之按照某一范数与初始扰动一致;S5、把缩放后的扰动,即输入模叠加到t1时刻分析值上;S6、重复S2‑S5之间的步骤。本发明在于专门针对高分辨率或对流尺度的天气系统集合预报,从理论设计上看它能够充分地考虑下垫面气象要素不均匀、集合预报扰动增长的空间局地性和独立性,具有一定的原创性。
Description
技术领域
本发明涉及集合预报初值扰动算法技术领域,更具体地说,本发明涉及一种非正交集合预报初值扰动算法。
背景技术
目前,业内常用的现有集合预报初值扰动生成技术是这样的:欧洲中期天气预报中心ECMWF基于切线性模式和伴随模式的奇异向量技术(Singular Vectors,简称为SVs)开展业务集合预报,美国国家环境预报中心NCEP先后采用增长模繁殖法(Breeding ofGrowing Modes,简称BGM)和集合转置方法ET作为初始扰动技术,自2016年起NCEP全球集合预报系统的初始扰动技术更新为集合卡曼滤波(Ensemble Kalman Filter,简称为EnKF),与NCEP全球资料同化技术一致;加拿大气象局自2005年起建立了基于EnKF方法的全球集合预报系统,英国气象局采用了集合变换卡尔曼滤波方法(Ensemble Transform KalmanFilter,简称为ETKF)来产生业务集合预报的初始扰动,国家气象局采用奇异向量方法作为全球集合预报初值扰动技术,ETKF方法作为区域集合预报初值扰动技术,这些方法与理论基本上是基于全局正交的思路生成初值集合成员,在考虑集合预报扰动增长的空间局地性和独立性方面,还没有较为满意的方法和理论。以致当前把这些理论应用于甚高分辨集合预报或对流可分辨尺度集合预报方面,往往出现集合预报离散度偏低,概率预报可靠性低。
综上所述,现有技术存在的问题是:现有技术采用正交性解决集合预报成员之间的发散度或独立性问题,效果仍然不明显,原因可能是它们没有摆脱全局正交的思路,即没有跳出全局Lyapunov指数的范畴。
解决上述技术问题的难度和意义:当前的初始扰动生成方法集合预报离散度低可能与正交性相关,并且都是基于正交性出发,需要探索新的集合预报初始扰动生成理论,以应对高分辨或对流可分辨尺度集合预报初始成员生成问题,算法的理论价值显著,故需要一种非正交集合预报初值扰动算法。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种非正交集合预报初值扰动算法,本发明出发点在于专门针对高分辨率或对流尺度的天气系统集合预报,从理论设计上看它能够充分地考虑下垫面气象要素不均匀、集合预报扰动增长的空间局地性和独立性,具有一定的原创性。
为实现上述目的,本发明提供如下技术方案:一种非正交集合预报初值扰动算法,具体算法步骤如下:
S1、对于某一给定时刻t0,在数值模式初始分析场上叠加一个小扰动,小扰动取t0时刻的短期预报误差,系统中采用6h的短期预报误差,这是因为Errico等证实分析误差的一阶近似与6小时预报误差一致;
S2、模式同时向前积分受扰初始场和未扰动初始场至t1时刻;
S3、用t1时刻得到的扰动预报减去控制预报,即获得因叠加扰动而产生的增长模,也可称为输出模;
S4、适时缩放上一步所获取的输出模,使之按照某一范数与初始扰动一致;
S5、把缩放后的扰动,即输入模叠加到t1时刻分析值上;
S6、重复S2-S5之间的步骤,注意,模式只要在S1中引入了初始扰动,其后扰动的发展就与模式大气状态的动力演变相关联。
在一个优选地实施方式中,系统计算程式可由下式给出:
xa=xf·c (1)
其中xa和xf分别代表模式的分析扰动和预报扰动,且对于每一个预报扰动xf,标量c是一个全局缩放常数;
考虑到(1)式中给出的全局缩放常数c还不能描述扰动物理量在垂直方向的不均匀,故在构建集合预报系统时采用下式表示:
xa(k)=xf(k)·c(k) (2)
其中xa(k)和xf(k)分别代表模式大气垂直方向上第k层的分析扰动和预报扰动,c(k)表示垂直方向上第k层的缩放系数,目前仅考虑它是k的函数。
在一个优选地实施方式中,系统的初始扰动由下式给出:
其中指进入模式大气系统最初的扰动,即初始模。ω是初始模幅度大小控制系数,可根据试验需求调节,R指初始模态的一个随机分布,文中R取为R∈[-1,1]的一个均匀分布,e0(k)是t0时刻控制预报6h预报的均方根误差,整个集合预报系统的培育循环间隔取为6h。此外,系统在扰动培育方式上,采用适时缩放的思路,其算法描述如下:
式中当选择c(k)=1时表示简单培育模式,反之则表示采用适时缩放培育模式,这里的扰动范数e0(k),eN(k)的均采用扰动物理量的均方根误差。
本发明的技术效果和优点:
本发明的新算法是直接在经典增长模培育法基础上,充分考虑集合预报扰动增长的空间局地性和独立性,建立一个可能更适合对流层中小尺度天气系统的新型集合预报初始扰动生成算法,这种思路明显区别于当前国内外主流的考虑增强集合扰动空间的正交性来改善系统发散度思想,本发明的出发点在于专门针对高分辨率或对流尺度的天气系统集合预报,从理论设计上看它能够充分地考虑下垫面气象要素不均匀、集合预报扰动增长的空间局地性和独立性,具有一定的原创性。
附图说明
图1为本发明的格点适时缩放时扰动范数的度量模型的经典的增长模培育法图。
图2为本发明的格点适时缩放时扰动范数的度量模型的新型的局地增长模培育法图。
具体实施方式
下面将结合本发明中的实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种非正交集合预报初值扰动算法,具体算法步骤如下:
S1、对于某一给定时刻t0,在数值模式初始分析场上叠加一个小扰动,小扰动取t0时刻的短期预报误差,系统中采用6h的短期预报误差,这是因为Errico等证实分析误差的一阶近似与6小时预报误差一致;
S2、模式同时向前积分受扰初始场和未扰动初始场至t1时刻;
S3、用t1时刻得到的扰动预报减去控制预报,即获得因叠加扰动而产生的增长模,也可称为输出模;
S4、适时缩放上一步所获取的输出模,使之按照某一范数与初始扰动一致;
S5、把缩放后的扰动,即输入模叠加到t1时刻分析值上;
S6、重复S2-S5之间的步骤,注意,模式只要在S1中引入了初始扰动,其后扰动的发展就与模式大气状态的动力演变相关联。
系统计算程式可由下式给出:
xa=xf·c (1)
其中xa和xf分别代表模式的分析扰动和预报扰动,且对于每一个预报扰动xf,标量c是一个全局缩放常数;
考虑到(1)式中给出的全局缩放常数c还不能描述扰动物理量在垂直方向的不均匀,故在构建集合预报系统时采用下式表示:
xa(k)=xf(k)·c(k) (2)
其中xa(k)和xf(k)分别代表模式大气垂直方向上第k层的分析扰动和预报扰动,c(k)表示垂直方向上第k层的缩放系数,目前仅考虑它是k的函数。
系统的初始扰动由下式给出:
其中指进入模式大气系统最初的扰动,即初始模。ω是初始模幅度大小控制系数,可根据试验需求调节,R指初始模态的一个随机分布,文中R取为R∈[-1,1]的一个均匀分布,e0(k)是t0时刻控制预报6h预报的均方根误差,整个集合预报系统的培育循环间隔取为6h。此外,系统在扰动培育方式上,采用适时缩放的思路,其算法描述如下:
式中当选择c(k)=1时表示简单培育模式,反之则表示采用适时缩放培育模式,这里的扰动范数e0(k),eN(k)的均采用扰动物理量的均方根误差。
本发明新型算法改进如下:考虑在(2)式中给出的缩放常数c,不仅要包括扰动物理量在垂直方向的不均匀性,还要包括其在水平格点上的不均匀性,即它同时是i,j,k的函数,因此在构建有限区域模式局地增长模培育法短期集合预报系统时采用下式表示:
xa(i,j,k)=xf(i,j,k)c(i,j,k) (5)
其中xa(i,j,k)和xf(i,j,k)分别代表新算法的集合预报系统模式垂直方向上第k层的水平格点(i,j)上的分析扰动和预报扰动,c(i,j,k)表示铅直第k层水平格点(i,j)上的缩放系数,可见它较经典的增长模培育法实现了c(k)向c(i,j,k)的转变,c(i,j,k)的计算模型采用下式表示:
其中diff6hforecast表示t0时刻扰动物理量控制预报6h预报与分析值的差异场,diffper-control表示tN时刻扰动物理量扰动预报与控制预报的差异场,i-2,i+2,j-2,j+2表示格点(i,j)的局地空间可采用周围25个格点来表述,即格点(i,j)的扰动培育只与周围24个格点有关,它明显区别于经典增长模培育法基于全局模式大气的局地扰动适时缩放思路,模型示意图见图1所示,同理i-3,i+3,j-3,j+3表示格点(i,j)的局地空间可采用周围49个格点来表述,即格点(i,j)的扰动培育只与周围48个格点有关,以此类推,81个格点,121个格点……。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种非正交集合预报初值扰动算法,其特征在于:具体算法步骤如下:
S1、对于某一给定时刻t0,在数值模式初始分析场上叠加一个小扰动,小扰动取t0时刻的短期预报误差,系统中采用6h的短期预报误差,这是因为Errico等证实分析误差的一阶近似与6小时预报误差一致;
S2、模式同时向前积分受扰初始场和未扰动初始场至t1时刻;
S3、用t1时刻得到的扰动预报减去控制预报,即获得因叠加扰动而产生的增长模,也可称为输出模;
S4、适时缩放上一步所获取的输出模,使之按照某一范数与初始扰动一致;
S5、把缩放后的扰动,即输入模叠加到t1时刻分析值上;
S6、重复S2-S5之间的步骤,注意,模式只要在S1中引入了初始扰动,其后扰动的发展就与模式大气状态的动力演变相关联。
2.根据权利要求1所述的一种非正交集合预报初值扰动算法,其特征在于:系统计算程式可由下式给出:
xa=xf·c (1)
其中xa和xf分别代表模式的分析扰动和预报扰动,且对于每一个预报扰动xf,标量c是一个全局缩放常数;
考虑到(1)式中给出的全局缩放常数c还不能描述扰动物理量在垂直方向的不均匀,故在构建集合预报系统时采用下式表示:
xa(k)=xf(k)·c(k) (2)
其中xa(k)和xf(k)分别代表模式大气垂直方向上第k层的分析扰动和预报扰动,c(k)表示垂直方向上第k层的缩放系数,目前仅考虑它是k的函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910885433.2A CN110659448B (zh) | 2019-09-19 | 2019-09-19 | 一种非正交集合预报初值扰动算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910885433.2A CN110659448B (zh) | 2019-09-19 | 2019-09-19 | 一种非正交集合预报初值扰动算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110659448A true CN110659448A (zh) | 2020-01-07 |
CN110659448B CN110659448B (zh) | 2022-12-20 |
Family
ID=69038224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910885433.2A Active CN110659448B (zh) | 2019-09-19 | 2019-09-19 | 一种非正交集合预报初值扰动算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659448B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069449A (zh) * | 2020-09-04 | 2020-12-11 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
CN113032510A (zh) * | 2021-04-02 | 2021-06-25 | 中国人民解放军国防科技大学 | 一种基于高斯权重的lbgm法初值扰动生成方法 |
CN113313291A (zh) * | 2021-05-06 | 2021-08-27 | 国网河南省电力公司电力科学研究院 | 一种基于初值扰动的电网风灾集合预报以及验证方法 |
CN113704695A (zh) * | 2021-08-25 | 2021-11-26 | 厦门市气象台(厦门市海洋气象台、海峡气象开放实验室) | 一种适用于区域数值模式集合模拟预报的初值小扰动法 |
CN116187567A (zh) * | 2023-02-16 | 2023-05-30 | 中国人民解放军国防科技大学 | 一种针对饱和扰动增长模的尺度分离方法、装置和设备 |
CN116579461A (zh) * | 2023-04-11 | 2023-08-11 | 中国科学院大气物理研究所 | 用于集合预报的区域数值模式的集合初始扰动产生方法、系统、应用及可读存储介质 |
CN113485995B (zh) * | 2021-07-23 | 2024-03-22 | 中国科学院大气物理研究所 | 一种集合预报系统初值的扰动方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012080944A1 (en) * | 2010-12-15 | 2012-06-21 | Eni S.P.A. | Medium-long term meteorological forecasting method and system |
CN104656448A (zh) * | 2015-01-16 | 2015-05-27 | 东南大学 | 一种基于解耦和扰动观测的超临界机组预测控制方法 |
CN104992071A (zh) * | 2015-07-17 | 2015-10-21 | 南京信息工程大学 | 一种基于集合资料同化技术的初始扰动方法 |
CN105046358A (zh) * | 2015-07-17 | 2015-11-11 | 南京信息工程大学 | 一种风暴尺度集合预报扰动方法 |
CN110045439A (zh) * | 2018-01-15 | 2019-07-23 | 钱维宏 | 基于大气变量瞬变扰动方程组的数值天气预报模式系统 |
-
2019
- 2019-09-19 CN CN201910885433.2A patent/CN110659448B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012080944A1 (en) * | 2010-12-15 | 2012-06-21 | Eni S.P.A. | Medium-long term meteorological forecasting method and system |
CN104656448A (zh) * | 2015-01-16 | 2015-05-27 | 东南大学 | 一种基于解耦和扰动观测的超临界机组预测控制方法 |
CN104992071A (zh) * | 2015-07-17 | 2015-10-21 | 南京信息工程大学 | 一种基于集合资料同化技术的初始扰动方法 |
CN105046358A (zh) * | 2015-07-17 | 2015-11-11 | 南京信息工程大学 | 一种风暴尺度集合预报扰动方法 |
CN110045439A (zh) * | 2018-01-15 | 2019-07-23 | 钱维宏 | 基于大气变量瞬变扰动方程组的数值天气预报模式系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069449A (zh) * | 2020-09-04 | 2020-12-11 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
CN112069449B (zh) * | 2020-09-04 | 2021-07-16 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
CN113032510A (zh) * | 2021-04-02 | 2021-06-25 | 中国人民解放军国防科技大学 | 一种基于高斯权重的lbgm法初值扰动生成方法 |
CN113313291A (zh) * | 2021-05-06 | 2021-08-27 | 国网河南省电力公司电力科学研究院 | 一种基于初值扰动的电网风灾集合预报以及验证方法 |
CN113485995B (zh) * | 2021-07-23 | 2024-03-22 | 中国科学院大气物理研究所 | 一种集合预报系统初值的扰动方法 |
CN113704695A (zh) * | 2021-08-25 | 2021-11-26 | 厦门市气象台(厦门市海洋气象台、海峡气象开放实验室) | 一种适用于区域数值模式集合模拟预报的初值小扰动法 |
CN113704695B (zh) * | 2021-08-25 | 2024-03-01 | 厦门市气象台(厦门市海洋气象台、海峡气象开放实验室) | 一种适用于区域数值模式集合模拟预报的初值小扰动法 |
CN116187567A (zh) * | 2023-02-16 | 2023-05-30 | 中国人民解放军国防科技大学 | 一种针对饱和扰动增长模的尺度分离方法、装置和设备 |
CN116187567B (zh) * | 2023-02-16 | 2023-08-08 | 中国人民解放军国防科技大学 | 一种针对饱和扰动增长模的尺度分离方法、装置和设备 |
CN116579461A (zh) * | 2023-04-11 | 2023-08-11 | 中国科学院大气物理研究所 | 用于集合预报的区域数值模式的集合初始扰动产生方法、系统、应用及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110659448B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659448B (zh) | 一种非正交集合预报初值扰动算法 | |
Harris et al. | A two-way nested global-regional dynamical core on the cubed-sphere grid | |
Tolman | Effects of numerics on the physics in a third-generation wind-wave model | |
US20140244188A1 (en) | Forecasting output power of wind turbine in wind farm | |
JP5461748B1 (ja) | 発電量予測装置、発電量予測方法、及びプログラム | |
JP6980866B2 (ja) | 情報処理装置、情報処理方法およびコンピュータプログラム | |
CN107204615B (zh) | 一种实现功率预测的方法及系统 | |
CN110472762A (zh) | 一种网格化降水的订正方法及系统 | |
CN112699959B (zh) | 基于能量泛函模型的多源多尺度降水数据融合方法和装置 | |
CN112200377A (zh) | 基于sarimax模型的光伏中长期发电量预报方法及装置 | |
CN110232471A (zh) | 一种降水传感网节点布局优化方法及装置 | |
CN110119590B (zh) | 一种基于多源观测数据的水质模型粒子滤波同化方法 | |
CN115049171B (zh) | 一种基于特征迁移的光伏功率预测方法及系统 | |
CN114201924B (zh) | 基于迁移学习的太阳辐照度预测方法及预测系统 | |
CN110347671A (zh) | 构建海上风能数据资料库及海上风能发电量数据库的方法 | |
CN111538935A (zh) | 基于地形特征和多源模式产品的精细化降水融合方法、系统、电子设备及存储介质 | |
CN112149859A (zh) | 风速预测方法和风速预测装置 | |
Huang et al. | Estimation of rooftop solar power potential by comparing solar radiation data and remote sensing data—a case study in Aichi, Japan | |
CN115079307B (zh) | 一种基于多模式最优集成的风电场气象预报方法和系统 | |
CN113704695B (zh) | 一种适用于区域数值模式集合模拟预报的初值小扰动法 | |
Moreno et al. | Intra-day solar power forecasting strategy for managing virtual power plants | |
CN116316615B (zh) | 基于数据增强的分布式光伏群短期功率预测方法及系统 | |
CN117421871A (zh) | 海上风电潜力评估方法、装置和计算机设备 | |
Zhu et al. | The GEOS-3 retrospective data assimilation system: The 6-hour lag case | |
Yuan et al. | Parallel dynamic step size sphere-gap transferring algorithm for solving conditional nonlinear optimal perturbation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |