CN111880245A - 登陆热带气旋过程降水预报系统 - Google Patents

登陆热带气旋过程降水预报系统 Download PDF

Info

Publication number
CN111880245A
CN111880245A CN202010767470.6A CN202010767470A CN111880245A CN 111880245 A CN111880245 A CN 111880245A CN 202010767470 A CN202010767470 A CN 202010767470A CN 111880245 A CN111880245 A CN 111880245A
Authority
CN
China
Prior art keywords
module
initial value
similarity
historical
path
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
Application number
CN202010767470.6A
Other languages
English (en)
Other versions
CN111880245B (zh
Inventor
任福民
贾莉
贾作
丁晨晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Academy of Meteorological Sciences CAMS
Original Assignee
Chinese Academy of Meteorological Sciences CAMS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chinese Academy of Meteorological Sciences CAMS filed Critical Chinese Academy of Meteorological Sciences CAMS
Priority to CN202010767470.6A priority Critical patent/CN111880245B/zh
Publication of CN111880245A publication Critical patent/CN111880245A/zh
Application granted granted Critical
Publication of CN111880245B publication Critical patent/CN111880245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/10Devices for predicting weather conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种登陆热带气旋过程降水预报系统,其中,包括:广义初值构建模块,构建对预报量有影响的若干变量的初值,并发送给初值相似性判别模块,广义初值构建模块包括TC路径模块、TC影响时间模块、TC强度模块以及TC移速模块,TC移速模块用于获取模块构建的广义初值的信息,目标TC完整路径由TC起报点之前的目标TC观测路径和之后的目标TC预报路径结合而成;历史TC和目标TC的移速信息由路径信息计算得到,然后发送给初值相似性判别模块;初值相似性判别模块,判别广义初值所包含的多个单变量的相似性,进而判别初值的整体相似性,选择m个最佳相似TC发给集合预报模块;集合预报模块,获取最佳相似TC的过程降水场并采用合适集合方案将之集合。

Description

登陆热带气旋过程降水预报系统
技术领域
本发明涉及一种天气预报系统,特别涉及一种登陆热带气旋过程降水预报系统。
背景技术
中国专利CN202010097950.6登陆热带气旋过程降水预报系统,该系统通过动力-统计-相似集合预报的模型,可利用准确模式来实现预报。在相关研究和业务预报中我们发现,此系统的预报准确性还有很大的提升空间。
发明内容
本发明的目的在于提供一种登陆热带气旋过程降水预报系统,用于解决上述现有技术的问题。
本发明一种登陆热带气旋过程降水预报系统,其中,包括:广义初值构建模块、初值相似性判别模块以及集合预报模块;广义初值构建模块,构建对预报量有影响的若干变量的初值,并发送给初值相似性判别模块,广义初值构建模块包括TC路径模块、TC影响时间模块、TC强度模块以及TC移速模块,TC移速模块用于获取模块构建的广义初值的信息,目标TC完整路径由TC起报点之前的目标TC观测路径和之后的目标TC预报路径结合而成;历史TC和目标TC的移速信息由路径信息计算得到,然后发送给初值相似性判别模块;初值相似性判别模块,判别广义初值所包含的多个单变量的相似性,进而判别初值的整体相似性,选择m个最佳相似TC发给集合预报模块;集合预报模块,获取最佳相似TC的过程降水场并采用合适集合方案将之集合。
根据本发明的登陆热带气旋过程降水预报系统的一实施例,其中,初值相似性判别模块包括单变量相似性判别模块、初值整体相似性判别模块和最佳相似初值确定模块;单变量相似性判别模块,其用于判别广义初值所包含的各个单变量的相似性,对目标TC与历史TC进行路径相似计算,接收广义初值构建模块中产生的目标TC路径和历史TC路径,在相似区域内将目标TC路径与历史TC路径依次进行路径相似面积指数的计算,并将计算结果发送给初值整体相似性判别模块,相似区域为长方形框,对角线两个端点分别取路径起报点和路径预报最大时效点,由起报点与台风直径两者决定,或者由路径起报点、路径预报最大时效点以及台风直径三者共同决定;接收广义初值构建模块中获取的目标TC与历史TC的时间和强度信息,比对目标TC起报点的时间与历史TC首次对陆地产生降水的时间并标记相差不超过一定时间的历史TC,比对目标TC与历史TC的强度并标记相差不超过一定强度等级的历史TC;接收广义初值构建模块中计算的目标TC与历史TC的移速信息,比对目标TC与历史TC的移速并标记相差不超过一定移速等级的历史TC,将TC移速分等级,初值整体相似性判别模块接收表征目标TC与各历史TC路径相似程度的TSAI值和被标记的历史TC编号,依据TSAI值从小到大排列得到被标记的历史TC的排序,为历史TC的排序;最佳相似初值确定模块,根据初值的整体相似程度确定m个最佳相似TC。
根据本发明的登陆热带气旋过程降水预报系统的一实施例,其中,最佳相似确定模块接收初值整体相似性判别模块中产生的历史TC的最终排序,将前m个TC确定为最佳相似TC,并将相应的TC编号发送给集合预报模块。
根据本发明的登陆热带气旋过程降水预报系统的一实施例,其中,集合预报模块接收最佳相似初值确定模块确定的m个最佳相似TC的编号并获取相对应的原始降水信息,运用客观天气图分析法进行TC降水分离,从而得到m个TC过程降水场并进行集合预报。
根据本发明的登陆热带气旋过程降水预报系统的一实施例,其中,初值整体相似性判别模块接收表征目标TC与各历史TC路径相似程度的TSAI值和被标记3次的历史TC编号,依据TSAI值从小到大排列得到被标记3次的历史TC的排序,为历史TC的最终排序。
根据本发明的登陆热带气旋过程降水预报系统的一实施例,其中,集合预报模块接收最佳相似初值确定模块确定的m个最佳相似TC的编号并获取相对应的原始降水信息,运用客观天气图分析法进行TC降水分离,从而得到m个TC过程降水场并进行集合预报。
根据本发明的登陆热带气旋过程降水预报系统的一实施例,其中,集合预报模块包括:(1)分别对每个站点m个相似台风的降水量求平均作为该站预报结果;(2)分别对每个站点m个相似台风的降水量取最大值作为该站预报结果;(3)将最优百分位定为90%分位值,得到该站预报结果;(4)每个站点计算规则如下:①如果集合最大值≥100mm,融合值等于最大值;②如果集合90%分位值≥50mm,融合值等于90%分位值;③如果集合75%分位值25mm,融合值等于75%分位值;④如果集合中位值≥10mm,融合值等于中位值;⑤如果上述条件都不满足,则融合值等于10%分位值,得到该站预报结果;(5)第一步,将k站m个相似台风所有的降水预报值从大到小排列,将该序列从大到小分为k等份,保留每一等份的中位数;第二步,对每个站点上m个台风降水值求平均得到集合平均场,将集合平均场所有站点的数值按从大到小排列,并保留各数值在平均场中的位置;将第一步保留下来的预报值序列与集合平均场序列从大到小一一对应,将第二步的预报值保留至其对应数值所在集合平均场中;入选的m个最佳相似TC的降水场将被赋予等差权重,相似性排名越靠前的TC,其降水场被赋予的权重越大,各TC权重之和为1;(7)TSAI指数是表征目标TC与入选最佳相似TC相似性的指标,利用指标为每个相似TC赋等差权重可能会比单纯考虑相似性排名,TSAI越大,相似性越小,对入选的m个相似台风的TSAI指数分别取倒数,某TC的TSAI指数的倒数除以m个相似台风的TSAI指数的倒数之和,则为此TC降水场的权重。
根据本发明的登陆热带气旋过程降水预报系统的一实施例,其中,广义初值中含有TC路径、TC影响时间、TC强度和TC移速四个变量。
本发明登陆热带气旋过程降水预报系统,针对现有的系统进行改进,增加TC移速的初值;在初值相似性判别模块增加新的判断路径相似时选取的相似区域、增加对TC移速变量的相似性判别,进而使初值整体相似性的判别更完整,最终选择的m个最佳相似初值(最佳相似TC)与目标TC相似程度更高;在集合预报模块增加新的集合,解决了空报率高的问题。
附图说明
图1所示为本发明的登陆热带气旋过程降水预报系统的模块图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
发明人在相关研究和业务预报中发现,现有技术系统出现相似区域不适合北上TC和空报率高,本系统对现有技术进行改进,以提高预报的准确性。
图1所示为本发明的登陆热带气旋过程降水预报系统的模块图,如图1所示,本发明登陆热带气旋过程降水预报系统包括三个模块:广义初值构建模块1、初值相似性判别模块2以及集合预报模块3。
如图1所示的广义初值构建模块1,其用于构建对预报量有影响的若干变量(或物理因子,以下统称变量)的初值,并发送给初值相似性判别模块2,其中广义初值即可描述变量的初始时刻状态,也可包含一定时间的演变过程。现构建的广义初值中含有TC路径、TC影响时间、TC强度、TC移速四个变量,TC移速。广义初值构建模块1用于获取模块构建的广义初值的信息,目标TC完整路径由TC起报点之前的目标TC观测路径和之后的目标TC预报路径结合而成;目标TC和历史TC的影响时间和强度信息可直接获取;历史TC和目标TC的移速信息由其路径信息计算得到,然后发送给初值相似性判别模块2。
如图1所示的初值相似性判别模块2,其用于判别广义初值所包含的多个单变量的相似性,进而判别初值的整体相似性,最终选择m个最佳相似TC发给集合预报模块。进一步,初值相似性判别模块2包括单变量相似性判别模块21、初值整体相似性判别模块22和最佳相似初值确定模块23。
如图1所示的单变量相似性判别模块21,其用于判别广义初值所包含的各个单变量的相似性。首先,对目标TC与历史TC进行路径相似计算,首先接收广义初值构建模块1中产生的目标TC路径和历史TC路径,然后在相似区域内将目标TC路径与历史TC路径依次进行路径相似面积指数(TSAI)的计算,并将计算结果发送给初值整体相似性判别模块22,其中相似区域为长方形框,其对角线两个端点可分别取路径起报点和路径预报最大时效点,也可由起报点与台风直径两者决定,或者由路径起报点、路径预报最大时效点以及台风直径三者共同决定;接收广义初值构建模块1中获取的目标TC与历史TC的时间和强度信息,比对目标TC起报点的时间与历史TC首次对陆地产生降水的时间并标记相差不超过一定时间的历史TC、比对目标TC与历史TC的强度并标记相差不超过一定强度等级的历史TC;接收广义初值构建模块1中计算的目标TC与历史TC的移速信息,比对目标TC与历史TC的移速并标记相差不超过一定移速等级的历史TC,由于TC移速没有现有的等级划分标准,通过统计1960-2018年TC小时平均移速,将TC移速分为七个等级,使七个等级内的TC频率相同,具体的,七个等级的移速分别为speed>30km/h,30km/h≥speed>24km/h,24km/h≥speed>20km/h,20km/h≥speed>16km/h,16km/h≥speed>13km/h,13km/h≥speed>9km/h,speed≥9km/h。接着,初值整体相似性判别模块22首先接收表征目标TC与各历史TC路径相似程度的TSAI值和被标记3次的历史TC编号,然后依据TSAI值从小到大排列得到被标记3次的历史TC的排序,即为历史TC之最终排序。
如图1所示,最佳相似初值确定模块23,其用于根据初值的整体相似程度确定m个最佳相似TC。具体为,最佳相似确定模块23首先接收初值整体相似性判别模块22中产生的历史TC之最终排序,然后将前m个TC确定为最佳相似TC,并将它们的TC编号发送给集合预报模块3。
如图1所示的集合预报模块3,集合预报模块3包括预报量提取模块31以及基于场的集合模块32,其用于获取最佳相似TC的过程降水场并采用合适集合方案将之集合。具体为,此模块接收最佳相似初值确定模块23确定的m个最佳相似TC的编号并获取它们相对应的原始降水信息,然后运用客观天气图分析法(OSAT)对它们进行TC降水分离,从而得到m个TC过程降水场并进行集合预报。集合方案有两种,为每站取最大值、平均值,也可以为五种集合方案,集合所得之降水场即为目标TC之降水预报结果,以下是七种集合方案的详细介绍:
(1)平均值。分别对每个站点m个相似台风的降水量求平均作为该站最终预报结果。
(2)最大值。分别对每个站点m个相似台风的降水量取最大值作为该站最终预报结果。
(3)最优百分位。通过试验70%、75%、80%、85%、90%、95%分位值,将最优百分位定为90%分位值。
(4)融合(FUSE)产品。FUSE产品的每个站点计算规则如下(按先后优先顺序):①如果集合最大值≥100mm,融合值等于最大值;②如果集合90%分位值≥50mm,融合值等于90%分位值;③如果集合75%分位值25mm,融合值等于75%分位值;④如果集合中位值≥10mm,融合值等于中位值;⑤如果上述条件都不满足,则融合值等于10%分位值。
(5)概率匹配平均。第一步,将2027个站m个相似台风所有(含2027×m个站点)的降水预报值从大到小排列,将该序列从大到小分为2027等份,保留每一等份的中位数;第二步,对每个站点上m个台风降水值求平均得到集合平均场,将集合平均场所有站点的数值按从大到小排列,并保留各数值在平均场中的位置;将第一步保留下来的预报值序列与集合平均场序列从大到小一一对应,将第二步的预报值保留至其对应数值所在集合平均场中。
等差权重集合平均。入选的m个最佳相似TC的降水场将被赋予等差权重,相似性排名越靠前的TC,其降水场被赋予的权重越大,各TC权重之和为1。
(7)基于TSAI指数的非等差权重集合平均。TSAI指数是表征目标TC与入选最佳相似TC相似性的重要指标,利用该指标为每个相似TC赋等差权重可能会比单纯考虑相似性排名更加科学。TSAI越大,相似性越小,对入选的m个相似台风的TSAI指数分别取倒数,某TC的TSAI指数的倒数除以m个相似台风的TSAI指数的倒数之和,则为此TC降水场的权重。
把上面七种集合方案分为两大类。第一类是基于站点的集合模块31进行处理,第二类是基于场的集合模块32进行处理。基于站点的集合模块31,其余站点的资料不会影响该站点本身最终预报的降水量,前四种方案都是基于站点的集合方案。而基于场的集合模块32则是其余站点的资料会影响到该站点本身最终预报的降水量,概率匹配平均是在计算某测站降水预报值时,直接使用了其余测站的历史降水资料;因为其他站点资料会影响相似度排名,因此等差权重集合平均、基于TSAI指数的非等差权重集合平均是通过影响最佳TC的选择进而影响m个最佳相似TC降水量的权重,最终影响到该测站预报的降水量。
本发明的登陆热带气旋过程降水预报系统,经过改进广义初值构建、初值相似性判别以及集合预报三个模块,对登陆中国TC过程降水的预报更加准确可靠。
本系统是动力统计相似集合预报模型对登陆TC过程降水预报的应用的改进系统,包括:广义初值构建模块、初值相似性判别模块以及集合预报模块;广义初值构建模块用于构建对预报量(目标TC过程降水)有影响的若干变量(或物理因子,以下统称变量,本系统中具体为TC路径、TC影响时间、TC强度和TC移速的初值;初值相似性判别模块用于判别广义初值所包含的多个单变量的相似性,进而判别初值的整体相似性,最终选择m个最佳相似初值(最佳相似TC)发给集合预报模块;集合预报模块用于获取m个最佳相似TC的历史过程降水,并选择合适的集合方案将其集合,从而得到预报结果。
广义初值构建模块中构建的初值为广义初值,它既可描述变量的初始时刻状态,也可包含一定时间的演变过程,该模块所构建之初值应尽可能地包含所有认识到的对预报量有影响的变量。具体为,预报量为目标TC的过程降水,构建的广义初值含有TC路径和其它变量(如TC影响时间、TC强度和TC移速等),广义初值构建模块用于获取目标TC起报点之前的观测路径和之后的预报路径,并将两者结合成为目标TC完整路径(即为目标TC路径);用于获取目标TC和历史TC的时间、强度信息以及历史TC观测路径(即为历史TC路径);用于计算目标TC和历史TC的移速信息。
初值相似性判别模块包括单变量相似性判别模块、初值整体相似性判别模块和最佳相似初值确定模块;单变量相似性判别模块用于判别广义初值所包含的各个单变量的相似性,在判别各单变量的相似性时,对不同变量需要建立与之对应的相似性识别方法,所用历史资料的时间和空间的跨度和精度应尽可能地高;初值整体相似性判别模块用于接收单变量相似性判别模块中产生的多个单变量的相似信息,并根据初值的各个单变量的相似程度判别初值的整体相似程度;最佳相似确定模块根据初值的整体相似程度确定m个最佳相似TC,并将其发给集合预报模块。具体为:单变量相似性判别模块首先计算TC路径相似程度,计算方法为:在相似区域(长方形框,其对角线两个端点也可由起报点与台风直径两者决定,或者由路径起报点、路径预报最大时效点以及台风直径三者共同决定)内将目标TC路径与所有历史TC路径依次进行TSAI指数的计算,之后,将目标TC与历史TC的其它变量(如时间、强度、移速等)逐个比对、标记符合所有其它变量相似条件的历史TC;初值整体相似性判别模块用于接收目标TC与各历史TC的TSAI值和被标记的历史TC编号,然后依据TSAI值从小到大排列得到被标记的历史TC的排序,即为历史TC之最终排序;最佳相似确定模块用于接收历史TC的最终排序,将前m个TC确定为最佳相似TC,并将最佳相似TC之编号发送给集合预报模块。集合预报模块提取初值相似性判别模块中m个最佳相似TC的影响期日降水资料,采用客观天气图分析法对这m个最佳相似TC进行降水分离,得到它们的历史过程降水场,并且选择合适的集合预报方案对其进行集合,从而实现预报,从而得到目标TC的过程降水预报,其中集合方案据实际情况选择,具有五种集合方案,两种为基于站点的集合模块实现,包括:最优百分位;融合(FUSE)产品。三种为基于场的集合模块32实现包括:概率匹配平均;等差权重集合平均;基于TSAI指数的非等差权重集合平均。
本发明经过对广义初值构建、初值相似性判别以及集合预报之过程三个模块都进行了相应改进,对登陆中国TC过程降水的预报效果得到明显改善。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种登陆热带气旋过程降水预报系统,其特征在于,包括:广义初值构建模块、初值相似性判别模块以及集合预报模块;
广义初值构建模块,构建对预报量有影响的若干变量的初值,并发送给初值相似性判别模块,广义初值构建模块包括TC路径模块、TC影响时间模块、TC强度模块以及TC移速模块,TC移速模块用于获取模块构建的广义初值的信息,目标TC完整路径由TC起报点之前的目标TC观测路径和之后的目标TC预报路径结合而成;历史TC和目标TC的移速信息由路径信息计算得到,然后发送给初值相似性判别模块;
初值相似性判别模块,判别广义初值所包含的多个单变量的相似性,进而判别初值的整体相似性,选择m个最佳相似TC发给集合预报模块;
集合预报模块,获取最佳相似TC的过程降水场并采用合适集合方案将之集合。
2.如权利要求1所述的登陆热带气旋过程降水预报系统,其特征在于,初值相似性判别模块包括单变量相似性判别模块、初值整体相似性判别模块和最佳相似初值确定模块;
单变量相似性判别模块,其用于判别广义初值所包含的各个单变量的相似性,对目标TC与历史TC进行路径相似计算,接收广义初值构建模块中产生的目标TC路径和历史TC路径,在相似区域内将目标TC路径与历史TC路径依次进行路径相似面积指数的计算,并将计算结果发送给初值整体相似性判别模块,相似区域为长方形框,对角线两个端点分别取路径起报点和路径预报最大时效点,由起报点与台风直径两者决定,或者由路径起报点、路径预报最大时效点以及台风直径三者共同决定;接收广义初值构建模块中获取的目标TC与历史TC的时间和强度信息,比对目标TC起报点的时间与历史TC首次对陆地产生降水的时间并标记相差不超过一定时间的历史TC,比对目标TC与历史TC的强度并标记相差不超过一定强度等级的历史TC;接收广义初值构建模块中计算的目标TC与历史TC的移速信息,比对目标TC与历史TC的移速并标记相差不超过一定移速等级的历史TC,将TC移速分等级,初值整体相似性判别模块接收表征目标TC与各历史TC路径相似程度的TSAI值和被标记的历史TC编号,依据TSAI值从小到大排列得到被标记的历史TC的排序,为历史TC的排序;最佳相似初值确定模块,根据初值的整体相似程度确定m个最佳相似TC。
3.如权利要求2所述的登陆热带气旋过程降水预报系统,其特征在于,最佳相似确定模块接收初值整体相似性判别模块中产生的历史TC的最终排序,将前m个TC确定为最佳相似TC,并将相应的TC编号发送给集合预报模块。
4.如权利要求1所述的登陆热带气旋过程降水预报系统,其特征在于,集合预报模块接收最佳相似初值确定模块确定的m个最佳相似TC的编号并获取相对应的原始降水信息,运用客观天气图分析法进行TC降水分离,从而得到m个TC过程降水场并进行集合预报。
5.如权利要求2所述的登陆热带气旋过程降水预报系统,其特征在于,初值整体相似性判别模块接收表征目标TC与各历史TC路径相似程度的TSAI值和被标记3次的历史TC编号,依据TSAI值从小到大排列得到被标记3次的历史TC的排序,为历史TC的最终排序。
6.如权利要求1所述的登陆热带气旋过程降水预报系统,其特征在于,集合预报模块接收最佳相似初值确定模块确定的m个最佳相似TC的编号并获取相对应的原始降水信息,运用客观天气图分析法进行TC降水分离,从而得到m个TC过程降水场并进行集合预报。
7.如权利要求6所述的登陆热带气旋过程降水预报系统,其特征在于,集合预报模块包括:
(1)分别对每个站点m个相似台风的降水量求平均作为该站预报结果;
(2)分别对每个站点m个相似台风的降水量取最大值作为该站预报结果;
(3)将最优百分位定为90%分位值,得到该站预报结果;
(4)每个站点计算规则如下:①如果集合最大值≥100mm,融合值等于最大值;②如果集合90%分位值≥50mm,融合值等于90%分位值;③如果集合75%分位值25mm,融合值等于75%分位值;④如果集合中位值≥10mm,融合值等于中位值;⑤如果上述条件都不满足,则融合值等于10%分位值,得到该站预报结果;
(5)第一步,将k站m个相似台风所有的降水预报值从大到小排列,将该序列从大到小分为k等份,保留每一等份的中位数;第二步,对每个站点上m个台风降水值求平均得到集合平均场,将集合平均场所有站点的数值按从大到小排列,并保留各数值在平均场中的位置;将第一步保留下来的预报值序列与集合平均场序列从大到小一一对应,将第二步的预报值保留至其对应数值所在集合平均场中;
入选的m个最佳相似TC的降水场将被赋予等差权重,相似性排名越靠前的TC,其降水场被赋予的权重越大,各TC权重之和为1;
(7)TSAI指数是表征目标TC与入选最佳相似TC相似性的指标,利用指标为每个相似TC赋等差权重可能会比单纯考虑相似性排名,TSAI越大,相似性越小,对入选的m个相似台风的TSAI指数分别取倒数,某TC的TSAI指数的倒数除以m个相似台风的TSAI指数的倒数之和,则为此TC降水场的权重。
8.如权利要求1所述的登陆热带气旋过程降水预报系统,其特征在于,广义初值中含有TC路径、TC影响时间、TC强度和TC移速四个变量。
CN202010767470.6A 2020-08-03 2020-08-03 登陆热带气旋过程降水预报系统 Active CN111880245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010767470.6A CN111880245B (zh) 2020-08-03 2020-08-03 登陆热带气旋过程降水预报系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010767470.6A CN111880245B (zh) 2020-08-03 2020-08-03 登陆热带气旋过程降水预报系统

Publications (2)

Publication Number Publication Date
CN111880245A true CN111880245A (zh) 2020-11-03
CN111880245B CN111880245B (zh) 2021-09-24

Family

ID=73204448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010767470.6A Active CN111880245B (zh) 2020-08-03 2020-08-03 登陆热带气旋过程降水预报系统

Country Status (1)

Country Link
CN (1) CN111880245B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111766642A (zh) * 2020-06-16 2020-10-13 中国气象科学研究院 登陆热带气旋日降水预报系统
CN113805252A (zh) * 2021-09-15 2021-12-17 中国气象科学研究院 基于集合预报模型的登陆热带气旋过程大风预报系统
CN116822140A (zh) * 2023-04-25 2023-09-29 中国气象局上海台风研究所(上海市气象科学研究所) 结合天气机制的时空综合的相似台风影响反演方法及系统
NL2034693A (en) * 2022-08-19 2024-02-27 Shanghai Typhoon Inst Of China Meteorological Administration Shanghai Inst Of Meteorological Science Correction method of tropical cyclone precipitation forecast and analysis method of error source thereof

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070225915A1 (en) * 2006-03-23 2007-09-27 Weinzapfel Robert A Methods of characterizing storms
CN104932035A (zh) * 2015-05-26 2015-09-23 中国科学院深圳先进技术研究院 一种台风强度预报方法及系统
WO2015148887A1 (en) * 2014-03-28 2015-10-01 Northeastern University System for multivariate climate change forecasting with uncertainty quantification
CN107942407A (zh) * 2017-11-14 2018-04-20 中国气象科学研究院 一种判别热带气旋路径相似的系统
CN108490508A (zh) * 2013-04-04 2018-09-04 天气变化研究无限责任公司 基于概率分布短时预报降水的方法与系统
CN109343154A (zh) * 2018-09-12 2019-02-15 中国气象科学研究院 登陆热带气旋过程降水预报系统
US10641924B2 (en) * 2016-09-16 2020-05-05 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Automated tropical storm wind radii analysis and forecasting
CN111221819A (zh) * 2019-12-27 2020-06-02 中国电子科技集团公司第十四研究所 一种基于多维数据空间分割的相似台风快速匹配方法
CN111325392A (zh) * 2020-02-18 2020-06-23 中国气象科学研究院 登陆热带气旋过程降水预报系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070225915A1 (en) * 2006-03-23 2007-09-27 Weinzapfel Robert A Methods of characterizing storms
CN108490508A (zh) * 2013-04-04 2018-09-04 天气变化研究无限责任公司 基于概率分布短时预报降水的方法与系统
WO2015148887A1 (en) * 2014-03-28 2015-10-01 Northeastern University System for multivariate climate change forecasting with uncertainty quantification
CN104932035A (zh) * 2015-05-26 2015-09-23 中国科学院深圳先进技术研究院 一种台风强度预报方法及系统
US10641924B2 (en) * 2016-09-16 2020-05-05 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Automated tropical storm wind radii analysis and forecasting
CN107942407A (zh) * 2017-11-14 2018-04-20 中国气象科学研究院 一种判别热带气旋路径相似的系统
CN109343154A (zh) * 2018-09-12 2019-02-15 中国气象科学研究院 登陆热带气旋过程降水预报系统
CN111221819A (zh) * 2019-12-27 2020-06-02 中国电子科技集团公司第十四研究所 一种基于多维数据空间分割的相似台风快速匹配方法
CN111325392A (zh) * 2020-02-18 2020-06-23 中国气象科学研究院 登陆热带气旋过程降水预报系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
FUMIN REN: "A Dynamical-Statistical-Analog Ensemble Forecast Model: Theory and an Application to Heavy Rainfall Forecasts of Landfalling Tropical Cyclones", 《MONTHLY WEATHER REVIEW》 *
FUMIN REN: "An Objective Identification Technique for Regional Extreme Events", 《2012 AMERICAN METEOROLOGICAL SOCIETY》 *
丁晨晨,任福民等: "基于路径相似的登陆热带气旋降水之动力-统计集合预报模型", 《气象》 *
贾作,任福民等: "LTP_DSEF模型对2018年登陆中国热带气旋强降水预报的应用", 《中国科学:地球科学》 *
钟元: "热带气旋定量降水预报的动力相似方案", 《应用气象学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111766642A (zh) * 2020-06-16 2020-10-13 中国气象科学研究院 登陆热带气旋日降水预报系统
CN111766642B (zh) * 2020-06-16 2021-07-23 中国气象科学研究院 登陆热带气旋日降水预报系统
CN113805252A (zh) * 2021-09-15 2021-12-17 中国气象科学研究院 基于集合预报模型的登陆热带气旋过程大风预报系统
CN113805252B (zh) * 2021-09-15 2023-03-31 中国气象科学研究院 基于集合预报模型的登陆热带气旋过程大风预报系统
NL2034693A (en) * 2022-08-19 2024-02-27 Shanghai Typhoon Inst Of China Meteorological Administration Shanghai Inst Of Meteorological Science Correction method of tropical cyclone precipitation forecast and analysis method of error source thereof
CN116822140A (zh) * 2023-04-25 2023-09-29 中国气象局上海台风研究所(上海市气象科学研究所) 结合天气机制的时空综合的相似台风影响反演方法及系统
CN116822140B (zh) * 2023-04-25 2024-02-27 中国气象局上海台风研究所(上海市气象科学研究所) 结合天气机制的时空综合的相似台风影响反演方法及系统

Also Published As

Publication number Publication date
CN111880245B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN111880245B (zh) 登陆热带气旋过程降水预报系统
CN110458195B (zh) 一种基于多判据融合的异常数据甄别方法
CN110677859B (zh) 弱覆盖区域的确定方法、装置和计算机可读存储介质
CN106203679A (zh) 一种用户流失预测方法及系统
CN103473786B (zh) 基于多目标模糊聚类的灰度图像分割方法
CN108764375B (zh) 高速公路货运车辆跨省匹配方法及装置
CN111325392B (zh) 登陆热带气旋过程降水预报系统
CN110929939B (zh) 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法
CN106407258A (zh) 一种缺失数据预测方法及装置
CN105426441B (zh) 一种时间序列自动预处理方法
CN113887908A (zh) 考虑主客观交叉融合权重的桥梁风险评估方法
CN109343154A (zh) 登陆热带气旋过程降水预报系统
CN105990170A (zh) 晶圆良率分析方法和装置
CN114596709B (zh) 数据处理方法、装置、设备以及存储介质
CN109754598A (zh) 一种拥堵组团识别方法及系统
CN105654574A (zh) 基于车载设备的驾驶行为评估方法及装置
CN112598199A (zh) 一种基于决策树算法的监测预警方法
CN116739376A (zh) 一种基于数据挖掘的公路路面预防性养护决策方法
CN110459050B (zh) 一种基于混合决策树的短期公交客流预测方法
CN109448842A (zh) 人体肠道微生态失衡的确定方法、装置及电子设备
CN111766642B (zh) 登陆热带气旋日降水预报系统
CN108491690A (zh) 一种蛋白质组学中肽段的肽段定量效率预测方法
CN111008730B (zh) 基于城市空间结构的人群聚集度预测模型构建方法及装置
CN105678456B (zh) 一种电能计量装置运行状态自动评估方法及其系统
CN113805252B (zh) 基于集合预报模型的登陆热带气旋过程大风预报系统

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