CN111369054B - 基于wrf的高空气象要素预报方法和装置 - Google Patents
基于wrf的高空气象要素预报方法和装置 Download PDFInfo
- Publication number
- CN111369054B CN111369054B CN202010141153.3A CN202010141153A CN111369054B CN 111369054 B CN111369054 B CN 111369054B CN 202010141153 A CN202010141153 A CN 202010141153A CN 111369054 B CN111369054 B CN 111369054B
- Authority
- CN
- China
- Prior art keywords
- hours
- scheme
- forecasting
- initial
- forecast
- 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.)
- Active
Links
- 238000013277 forecasting method Methods 0.000 title claims description 14
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000001514 detection method Methods 0.000 claims description 48
- 238000004088 simulation Methods 0.000 claims description 46
- 238000005457 optimization Methods 0.000 claims description 31
- 238000002474 experimental method Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 8
- 230000000052 comparative effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004800 variational method Methods 0.000 claims description 5
- 230000000087 stabilizing effect Effects 0.000 claims 2
- 238000010438 heat treatment Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000005436 troposphere Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于WRF的高空气象要素预报方法和装置，涉及高空气象要素预报技术领域，该方法通过对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案，基于修正后的初始方案，确定高空气象要素预报的模式参数优化方案，再利用模式参数优化方案，在保障区域内对指定预报时段进行高空气象要素预报，最后基于高空气象要素预报的结果，确定保障区域内的高空气象要素预报的最终配置方案，以缓解现有高空气象保障技术中存在数据获取时间长、方案适用性差等技术问题，从而获得高时空分辨率和较大保障范围的气象保障的有益效果。
Description
技术领域
本发明涉及高空气象要素预报技术领域，尤其是涉及一种基于WRF的高空气象要素预报方法和装置。
背景技术
中尺度数值天气预报模式WRF(Weather Research ForecastModel)是一种中尺度天气预报模式，拟重点解决分辨率为1～10Km、时效为60h以内的有限区域天气预报和模拟问题。通常天气预报主要关注的是对流层内部气象要素场的变化情况，特别是对流层中层(约5km)高度上气压、气温及风的变化。而随着航空、航天科技的发展，0-30km高度上各气象要素的垂直变化规律开始成为人们关注的重点。由于传统大气探测技术的限制，进行一次30km的大气探测需要大约80分钟，这大大影响了探空数据的时间分辨率；同时气球漂移及气球释放区域的限制也会对探测数据的质量和保障范围产生影响。
科尔沁草原位于大兴安岭东北侧，属于东北草原沙地气候，其地面风速大而且每年中大风日数较多，高空处于西风带，天气过程带来的高空气象要素变化明显，现有模式的默认方案设计在该区域内的高空气象要素预报中适用性不强。综上，现有的高空气象保障技术中存在数据获取时间长、方案适用性差的问题。
发明内容
本发明的目的在于提供一种基于WRF的高空气象要素预报方法和装置，以缓解现有高空气象保障技术中存在数据获取时间长、方案适用性差的技术问题。
第一方面，实施例提供一种基于WRF的高空气象要素预报方法，包括：
对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案；
基于修正后的所述初始方案，确定所述高空气象要素预报的模式参数优化方案；
利用所述模式参数优化方案，在保障区域内对指定预报时段进行所述高空气象要素预报；
基于所述高空气象要素预报的结果，确定所述保障区域内的所述高空气象要素预报的最终配置方案。
在一种可选的实施方式中，对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案的步骤，包括：对大气辐射参数化方案和行星边界层参数化方案进行对比实验；选择最佳的方案作为高空气象要素预报的初始方案。
在一种可选的实施方式中，对大气辐射参数化方案和行星边界层参数化方案进行对比实验的步骤，包括：采用三重嵌套模式对比观测点资料与各实验的模拟结果；基于对比结果，评估所述初始方案的模拟能力。
在一种可选的实施方式中，基于对比结果，评估所述初始方案的模拟能力的步骤，包括：基于统计参数对所述初始方案的模拟能力进行评估；利用WMO高空气象探测标准对所述初始方案的模拟能力进行检验。
在一种可选的实施方式中，基于修正后的所述初始方案，确定所述高空气象要素预报的模式参数优化方案的步骤，包括：基于保障区域内实时观测的数据，对所述初始方案进行修正；在修正后的所述初始方案中选取最佳方案，作为所述高空气象要素预报的模式参数优化方案。
在一种可选的实施方式中，基于保障区域内实时观测的数据，对所述初始方案进行修正的步骤，包括：根据所述初始方案，利用四种修正方法对所述保障区域内的实时观测的数据进行资料同化。
在一种可选的实施方式中，所述四种修正方法包括：最优插值法OI、三维变分法3DVAR、牛顿松弛逼近法NUDGING和WRF快速更新循环同化法WRFRUC。
第二方面，实施例提供一种基于WRF的高空气象要素预报装置，包括：
确定模块，用于对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案；
所述确定模块，还用于基于修正后的所述初始方案，确定所述高空气象要素预报的模式参数优化方案；
预报模块，用于利用所述模式参数优化方案，在保障区域内对指定预报时段进行所述高空气象要素预报；
生成模块，用于基于所述高空气象要素预报的结果，确定所述保障区域内的所述高空气象要素预报的最终配置方案。
第三方面，实施例提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述前述实施方式任一项所述的方法的步骤。
第四方面，实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述前述实施方式任一项所述的方法。
本申请实施例带来了以下有益效果：
本申请实施例提供的一种基于WRF的高空气象要素预报方法和装置，该方法通过对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案，基于修正后的初始方案，确定高空气象要素预报的模式参数优化方案，再利用模式参数优化方案，在保障区域内对指定预报时段进行高空气象要素预报，最后基于高空气象要素预报的结果，确定保障区域内的高空气象要素预报的最终配置方案，以缓解现有高空气象保障技术中存在数据获取时间长、方案适用性差等技术问题，从而获得高时空分辨率和较大保障范围的气象保障的有益效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于WRF的高空气象要素预报方法流程示意图；
图2为本发明实施例提供的一种对比试验的方案设置图；
图3为本发明实施例提供的一种基于WRF的高空气象要素预报装置结构示意图；
图4为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，对气象要素的预报方法有统计类、动力类两种，统计预报主要包括建立时间序列模型预测和寻求相关关系两种，时间序列法、卡尔漫滤波法、神经网络法等现代的统计方法也都是基于概率和数理统计的预报方法。统计学方法对长期预测具有一定的效果，但预测模型的预报时效较短，而借助于数值气象预报则可有效延长预测时间，目前的数值模式在72h内的预测水平达到了80％以上。数值天气预报模式产品是弥补传统大气探测的在时空分辨率及保障范围的不足的有效手段。
由于传统大气探测技术的限制，进行一次30km的大气探测需要大约80分钟，这大大影响了探空数据的时间分辨率，同时气球漂移及气球释放区域的限制也会对探测数据的质量和保障范围产生影响；现有模式的默认方案设计在特殊区域内的高空气象要素预报中适用性不强。综上，现有的高空气象保障技术中存在数据获取时间长、方案适用性差等问题。
基于此，本发明实施例提供的一种基于WRF的高空气象要素预报方法，以缓解现有高空气象保障技术中存在数据获取时间长、方案适用性差的技术问题。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于WRF的高空气象要素预报方法进行详细介绍，参见图1所示的一种基于WRF的高空气象要素预报方法的流程示意图，该方法可以由电子设备执行，主要包括以下步骤S110至步骤S140：
S110，对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案；
其中，预先确定的参数化方案可以选择对高空气象要素预报有重要影响的方案，如大气辐射参数化方案和行星边界层参数化方案；对比试验可以是指，对两种参数化方案的模式参数以及模式的垂直分层的优化方案组进行对比试验，选出一组最合适的方案组作为高空气象要素预报的初始方案。
在一些实施方式中，上述步骤S110包括：
步骤A)，对大气辐射参数化方案和行星边界层参数化方案进行对比实验；
步骤B)，选择最佳的方案作为高空气象要素预报的初始方案。
在一些实施方式中，上述步骤A)包括：
步骤A1)，采用三重嵌套模式对比观测点资料与各实验的模拟结果；
其中，对比观测点资料与各实验的模拟结果的操作中，可以采用伴随插值和双线性内插将同次模拟结果的格点值插值到规定气压层上去，然后与站点资料进行对比。
步骤A2)，基于对比结果，评估初始方案的模拟能力。
在一些实施方式中，上述步骤A2)包括：
步骤a1)，基于统计参数对初始方案的模拟能力进行评估；
其中，用于对初始方案的模拟能力进行综合评估的统计参数可以包括：平均绝对误差、平均相对误差、均方根误差等。均方根误差定义如下：
式中，pi、oi分别是第i次模拟值和观测值，代表总的对比样本数。RMSE值越小，模拟值与观测值的误差也就越小。
步骤a2)，利用WMO高空气象探测标准对初始方案的模拟能力进行检验。
其中，WMO高空气象探测标准是指世界气象组织(World MeteorologicalOrganization，WMO)常规高空气象探测标准。
例如，采用三重嵌套模式，分辨率分别取27km、9km、3km，一种对比实验的方案设置如图2所示。
在对比观测点资料与各实验模拟结果时，采用伴随插值和双线性内插将同次模拟结果的格点值插值到规定气压层上去，然后与站点资料进行对比模式。模拟能力采用如下统计参数进行综合评估：平均绝对误差、平均相对误差、均方根误差等。同时，利用世界气象组织WMO常规高空气象探测标准的要求对初始方案的模拟能力进行检验。
S120，基于修正后的初始方案，确定高空气象要素预报的模式参数优化方案；
在一些实施方式中，上述步骤S120包括：
步骤C)，基于保障区域内实时观测的数据，对初始方案进行修正；
步骤D)，在修正后的初始方案中选取最佳方案，作为高空气象要素预报的模式参数优化方案。
在一些实施方式中，上述步骤C)包括：
步骤C1)，根据初始方案，利用四种修正方法对保证区域内的实时观测的数据进行资料同化。
在一些实施方式中，四种修正方法包括：最优插值法OI、三维变分法3DVAR、牛顿松弛逼近法NUDGING和WRF快速更新循环同化法WRFRUC。
进一步的，步骤C1)的资料同化方法具体如下方法(1)至方法(4)：
(1)以选取的模式参数优化方案为基础，利用最优插值法(OI)对保障区域内的实时观探测数据进行资料同化；
(2)以选取的模式参数优化方案为基础，利用三维变分法(3DVAR)对保障区域内的实时观探测数据进行资料同化；
例如，对于方法(1)和方法(2)，在各个试验中，选取一年各季节中具有代表性的月份(1、4、7、10月)进行模拟，以前一天20时为启报时间，由T639模式输出产品作为初始场，启报时分别利用a1、a2方法同化前后15分钟内的观探测数据，并更新初始场数据，每次预报积分72小时，将每次预报结果去除前12小时，使模式稳定，然后取模拟结果当天08时和20时的预报产品与实际探测数据进行对比。
(3)以选取的模式参数优化方案为基础，利用牛顿松弛逼近法(NUDGING)对保障区域内的实时观探测数据进行资料同化；
例如，在各个试验中，选取一年各季节中具有代表性的月份(1、4、7、10月)进行模拟，以前一天20时为启报时间，由T639模式输出产品作为初始场，启报时分别利用a1、a2方法同化前后15分钟内的观探测数据，并更新初始场数据，在系统积分的前12小时，设3小时同化一次前后15分钟内的观探测数据，每次预报积分72小时，将每次预报结果去除前12小时，使模式稳定，然后取模拟结果第二天08时和20时的预报产品与实际探测数据进行对比。
(4)以选取的模式参数优化方案为基础，利用WRF快速更新循环同化法(WRFRUC)对保障区域内的实时观探测数据进行资料同化。
例如，在各个试验中，选取一年各季节中具有代表性的月份(1、4、7、10月)进行模拟，系统以前一天20点由T639模式输出产品作为初始场和边界场冷启动，同化前后15分钟内观探测资料，做18小时预报，同时输出6小时之后用于同化的初始场。之后分别在每天02、08、14时暖启动系统，同化该时次前后15分钟内观探测资料，做18小时预报；02、08时预报输出6小时之后用于同化的初始场；至当天20时进行下一次循环同化。然后每个模拟结果取02时暖启动的08时预报产品和14时启报的20时预报产品与实际探测数据进行对比。采用的嵌套方案、物理参数化方案、运转流程等都与方法(2)相同。
S130，利用模式参数优化方案，在保障区域内对指定预报时段进行高空气象要素预报。
例如，参照图2的对比方案，模拟的背景场可以选择国家气象局的T639模式输出产品，资料分辨率为0.5°×0.5°，模式中心点为122.47°E和45.73°N；并且，具体采用三重嵌套时的分辨率可以分别设为27km×27km、9km×9km和3km×3km；分析的对比观测值采用实际探空数据。
S140，基于高空气象要素预报的结果，确定保障区域内的高空气象要素预报的最终配置方案。
本实施例提供的一种基于WRF的高空气象要素预报方法，包括：对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案，并基于修正后的初始方案，确定高空气象要素预报的模式参数优化方案，再利用模式参数优化方案，在保障区域内对指定预报时段进行高空气象要素预报，最后基于高空气象要素预报的结果，确定保障区域内的高空气象要素预报的最终配置方案，以缓解现有高空气象保障技术中存在数据获取时间长、方案适用性差等技术问题，从而获得高时空分辨率和较大保障范围的有益效果。
本实施例提供了一种优选的基于WRF的高空气象要素预报方法，该包括以下步骤(1)至步骤(8)：
步骤(1)：选用对高空气象要素预报有重要影响的大气辐射和行星边界层参数化方案的模式参数优化方案组，进行对比实验，选出一组最合适的方案组作为高空气象要素预报的初始方案；
在步骤(1)之后，为使选取的模式参数优化方案更好的模拟保障区域内的高空气象要素，利用保障区域内实时观探测数据，对选取的模式参数优化方案进行改进，具体包括：
a1：以选取的模式参数优化方案为基础，利用最优插值法(OI)对保障区域内的实时观探测数据进行资料同化；
a2：以选取的模式参数优化方案为基础，利用三维变分法(3DVAR)对保障区域内的实时观探测数据进行资料同化；
a3：以选取的模式参数优化方案为基础，利用牛顿松弛逼近法(NUDGING)对保障区域内的实时观探测数据进行资料同化；
a4：以选取的模式参数优化方案为基础，利用WRF快速更新循环同化法(WRFRUC)对保障区域内的实时观探测数据进行资料同化。
步骤(2)：在步骤(1)中将选取的模式参数优化方案进行对比实验的操作中，采用三重嵌套模式，分辨率分别取为27km、9km、3km，对比观测点资料与各实验模拟结果；
步骤(3)：在步骤(2)中对比观测点资料与各实验模拟结果的操作中，采用伴随插值和双线性内插将同次模拟结果的格点值插值到规定气压层上去，然后与站点资料进行对比，评估步骤(1)选取的模式参数优化方案的模拟能力；
步骤(4)：在步骤(3)中评估步骤(1)选取的模式参数优化方案的模拟能力时，采用平均绝对误差、平均相对误差、均方根误差等统计参数，进行综合评估；
步骤(5)：在步骤(4)中进行综合评估的操作中，模拟的背景场，选用国家气象局的T639模式输出产品，资料分辨率为0.5°×0.5°，模式中心点为122.47°E和45.73°N；
步骤(6)：在步骤(5)中，具体采用三重嵌套时的分辨率分别为27km×27km、9km×9km和3km×3km；采用实际高空探测数据，分析对比观测值；
步骤(7)：在步骤(6)中采用实际高空探测数据分析对比观测值的操作中，将探空数据插值出1000hPa、925hPa、850hPa、700hPa、500hPa、400hPa、300hPa、200hPa、100hPa高度上的温度、相对湿度、风速、风向等要素值，得到了实际高空气象探测资料；
具体地，在步骤(7)中，模拟的积分时间步长取为180s，每15分钟输出一次，取前12h作为模式的稳定期，取模拟结果当天08时和20时及气球探测时间内的预报产品进行插值，根据高空风推算气球漂移轨迹，换算出气球漂移位置上的气温、相对湿度、风速、风向作为模拟结果与实际探测数据进行对比；
步骤(8)：进而得到适用于保障区域内的高空气象要素预报配置方案。
本发明实施例提供了一种基于WRF的高空气象要素预报装置，参照图3所示，该装置包括：
确定模块310，用于对预先确定的参数化方案进行对比实验，确定高空气象要素预报的初始方案；
确定模块310，还用于基于修正后的初始方案，确定高空气象要素预报的模式参数优化方案；
预报模块320，用于利用模式参数优化方案，在保障区域内对指定预报时段进行高空气象要素预报；
生成模块330，用于基于高空气象要素预报的结果，确定保障区域内的高空气象要素预报的最终配置方案。
本申请实施例所提供的一种基于WRF的高空气象要素预报装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。本申请实施例提供的基于WRF的高空气象要素预报装置与上述实施例提供的基于WRF的高空气象要素预报方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本申请实施例还提供了一种电子设备，具体的，该电子设备包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被处理器运行时执行如上实施方式的任一项所述的方法。
图4为本申请实施例提供的一种电子设备的结构示意图，该电子设备400包括：处理器40，存储器41，总线42和通信接口43，所述处理器40、通信接口43和存储器41通过总线42连接；处理器40用于执行存储器41中存储的可执行模块，例如计算机程序。
其中，存储器41可能包含高速随机存取存储器(RAM，RandomAccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器41用于存储程序，处理器40在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。
处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。
对应于上述基于WRF的高空气象要素预报方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述基于WRF的高空气象要素预报方法的步骤。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于WRF的高空气象要素预报方法，其特征在于，包括：
对大气辐射参数化方案和行星边界层参数化方案进行对比实验；选择最佳的方案作为高空气象要素预报的初始方案；
根据所述初始方案，利用四种修正方法对保障区域内的实时观测的数据进行资料同化；所述四种修正方法包括：最优插值法OI、三维变分法3DVAR、牛顿松弛逼近法NUDGING和WRF快速更新循环同化法WRFRUC；
在修正后的所述初始方案中选取最佳方案，作为所述高空气象要素预报的模式参数优化方案；
利用所述模式参数优化方案，在保障区域内对指定预报时段进行所述高空气象要素预报；
基于所述高空气象要素预报的结果，确定所述保障区域内的所述高空气象要素预报的最终配置方案；
其中，根据所述初始方案，利用四种修正方法对保障区域内的实时观测的数据进行资料同化的步骤，包括：选取一年各季节中具有代表性的1月、4月、7月、10月进行模拟，以前一天20时为启报时间，由T639模式输出产品作为初始场，启报时分别利用最优插值法OI、三维变分法3DVAR同化前后15分钟内的观探测数据，并更新初始场数据，每次预报积分72小时，将每次预报结果去除前12小时，使模式稳定，然后取模拟结果当天08时和20时的预报产品与实际探测数据进行对比；
根据所述初始方案，利用四种修正方法对保障区域内的实时观测的数据进行资料同化的步骤，还包括：选取一年各季节中具有代表性的1月、4月、7月、10月进行模拟，以前一天20时为启报时间，由T639模式输出产品作为初始场，启报时利用牛顿松弛逼近法NUDGING同化前后15分钟内的观探测数据，并更新初始场数据，在系统积分的前12小时，设3小时同化一次前后15分钟内的观探测数据，每次预报积分72小时，将每次预报结果去除前12小时，使模式稳定，然后取模拟结果第二天08时和20时的预报产品与实际探测数据进行对比；
根据所述初始方案，利用四种修正方法对保障区域内的实时观测的数据进行资料同化的步骤，还包括：选取一年各季节中具有代表性的1月、4月、7月、10月进行模拟，系统以前一天20点由T6，同时输出6小时之后用于同化的初始场，之后分别在每天02、08、14时暖启动系统，同化相应时次前后15分钟内观探测资料，做18小时预报；02、08时预报输出6小时之后用于同化的初始场；至当天20时进行下一次循环同化，然后每个模拟结果取02时暖启动的08时预报产品和14时启报的20时预报产品与实际探测数据进行对比。
2.根据权利要求1所述的方法，其特征在于，对大气辐射参数化方案和行星边界层参数化方案进行对比实验的步骤，包括：
采用三重嵌套模式对比观测点资料与各实验的模拟结果；
基于对比结果，评估所述初始方案的模拟能力。
3.根据权利要求2所述的方法，其特征在于，基于对比结果，评估所述初始方案的模拟能力的步骤，包括：
基于统计参数对所述初始方案的模拟能力进行评估；
利用WMO高空气象探测标准对所述初始方案的模拟能力进行检验。
4.一种基于WRF的高空气象要素预报装置，其特征在于，包括：
确定模块，用于对大气辐射参数化方案和行星边界层参数化方案进行对比实验；选择最佳的方案作为高空气象要素预报的初始方案；
所述确定模块，还用于根据所述初始方案，利用四种修正方法对保障区域内的实时观测的数据进行资料同化；所述四种修正方法包括：最优插值法OI、三维变分法3DVAR、牛顿松弛逼近法NUDGING和WRF快速更新循环同化法WRFRUC；在修正后的所述初始方案中选取最佳方案，作为所述高空气象要素预报的模式参数优化方案；
预报模块，用于利用所述模式参数优化方案，在保障区域内对指定预报时段进行所述高空气象要素预报；
生成模块，用于基于所述高空气象要素预报的结果，确定所述保障区域内的所述高空气象要素预报的最终配置方案；
所述确定模块，还用于选取一年各季节中具有代表性的1月、4月、7月、10月进行模拟，以前一天20时为启报时间，由T639模式输出产品作为初始场，启报时分别利用最优插值法OI、三维变分法3DVAR同化前后15分钟内的观探测数据，并更新初始场数据，每次预报积分72小时，将每次预报结果去除前12小时，使模式稳定，然后取模拟结果当天08时和20时的预报产品与实际探测数据进行对比；
所述确定模块，还用于选取一年各季节中具有代表性的1月、4月、7月、10月进行模拟，以前一天20时为启报时间，由T639模式输出产品作为初始场，启报时分别利用a1、a2 方法同化前后15分钟内的观探测数据，并更新初始场数据，在系统积分的前12小时，设3小时同化一次前后15分钟内的观探测数据，每次预报积分72小时，将每次预报结果去除前12小时，使模式稳定，然后取模拟结果第二天08时和20时的预报产品与实际探测数据进行对比；
所述确定模块，还用于选取一年各季节中具有代表性的1月、4月、7月、10月进行模拟，系统以前一天20点由T6，同时输出6小时之后用于同化的初始场，之后分别在每天02、08、14时暖启动系统，同化相应时次前后15分钟内观探测资料，做18小时预报；02、08时预报输出6小时之后用于同化的初始场；至当天20时进行下一次循环同化，然后每个模拟结果取02时暖启动的08时预报产品和14时启报的20时预报产品与实际探测数据进行对比。
5.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至3任一项所述的方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010141153.3A CN111369054B (zh) | 2020-03-03 | 2020-03-03 | 基于wrf的高空气象要素预报方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010141153.3A CN111369054B (zh) | 2020-03-03 | 2020-03-03 | 基于wrf的高空气象要素预报方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111369054A CN111369054A (zh) | 2020-07-03 |
| CN111369054B true CN111369054B (zh) | 2024-04-30 |
Family
ID=71211204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010141153.3A Active CN111369054B (zh) | 2020-03-03 | 2020-03-03 | 基于wrf的高空气象要素预报方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369054B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447315A (zh) * | 2018-09-18 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种基于多时空尺度的电力气象数值天气预报方法和装置 |
| CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
| CN110428104A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种污染贡献率确定方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160203245A1 (en) * | 2015-01-14 | 2016-07-14 | State Grid Corporation Of China | Method for simulating wind field of extreme arid region based on wrf |
-
2020
- 2020-03-03 CN CN202010141153.3A patent/CN111369054B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447315A (zh) * | 2018-09-18 | 2019-03-08 | 中国电力科学研究院有限公司 | 一种基于多时空尺度的电力气象数值天气预报方法和装置 |
| CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
| CN110428104A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种污染贡献率确定方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 利用WRF 模式对气象要素廓线预报的研究;舒海龙 等;《第31届中国气象学会年会S2 灾害天气监测、分析与预报》;1544-1548 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111369054A (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nipen et al. | Adopting citizen observations in operational weather prediction | |
| Maussion et al. | Precipitation seasonality and variability over the Tibetan Plateau as resolved by the High Asia Reanalysis | |
| Fenner et al. | CrowdQC+—a quality-control for crowdsourced air-temperature observations enabling world-wide urban climate applications | |
| Lien et al. | Effective assimilation of global precipitation: Simulation experiments | |
| Manzanas et al. | Statistical downscaling in the tropics can be sensitive to reanalysis choice: A case study for precipitation in the Philippines | |
| Huang et al. | Assessing the value of simulated regional weather variability in solar forecasting using numerical weather prediction | |
| CN111007582B (zh) | 一种适用于多要素的高分辨率集合预报系统 | |
| CN111105068B (zh) | 基于序回归学习的数值模式订正的方法 | |
| CN112362816A (zh) | 一种基于观测数据的臭氧来源分析方法及装置 | |
| CN112417734B (zh) | 一种基于风电场地理信息的风速订正方法及装置 | |
| JP2008102115A (ja) | 気象予測システム及び気象予測方法 | |
| CN114595876A (zh) | 一种区域风场预测模型生成方法和装置、电子设备 | |
| Pathan et al. | Analyzing the impact of meteorological parameters on rainfall prediction | |
| CN115808727A (zh) | 百米级阵风客观预报方法及装置 | |
| Singh et al. | Assessing the performance of bias correction approaches for correcting monthly precipitation over I ndia through coupled models | |
| CN111369054B (zh) | 基于wrf的高空气象要素预报方法和装置 | |
| CN117829676A (zh) | 海上风能资源评估的方法和装置 | |
| CN113593006A (zh) | 一种基于深度学习的气象数据空间插值精细化方法及系统 | |
| CN117713354A (zh) | 一种基于气象数据的输电线路监测布置设计方法及系统 | |
| Yu et al. | Effects of elevation and longitude on precipitation and drought on the Yunnan–Guizhou Plateau, China | |
| CN116796649A (zh) | 一种基于机器学习的spei粗分辨率数据空间降尺度方法及装置 | |
| CN116931122A (zh) | 一种用于海上风电场的天气预报修正方法及系统 | |
| Sharma et al. | NGFS rainfall forecast verification over India using the contiguous rain area (CRA) method | |
| Kann et al. | Verification of operational analyses using an extremely high-density surface station network | |
| Manshausen et al. | Generative Data Assimilation of Sparse Weather Station Observations at Kilometer Scales |
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 |