BP神经网络在估算模式非系统性预报误差中的应用 - 高原气象.PDF

第34 卷 第6 期 高 原 气 象 Vol. 34 No. 6 2015 年12 月 PLATEAUMETEOROLOGY December ，2015 李虎超，邵爱梅，何邓新，等. BP 神经网络在估算模式非系统性预报误差中的应用［J ］. 高原气象，2015 ，34 （6）：1751 - 1757，doi ：10. 7522/j. issn. 1000-0534. 2014. 00120. BP 神经网络在估算模式非系统性预报误差中的应用 李虎超，邵爱梅，何邓新，王越亚 （兰州大学大气科学学院 半干旱气候变化教育部重点实验室，兰州 730000 ） 摘要：基于数值天气预报误差在时间上的相依性，采用BP 神经网络方法建立预测数值模式非系统性 预报误差的模型，并利用2003 2007 年T213 模式分析场和24 h 高度预报场资料验证了该模型的预测 能力，结果表明：所建立的3 层BP 神经网络模型对未来24 h 的非系统性预报误差有较好的预估能 力，对大多数样本而言所估测的非系统性预报误差的分布特征和其真值较为一致。BP 神经网络模型 估测的非系统性预报误差可以在系统性预报误差订正的基础上进一步对预报做出修正，其订正效果好 于仅进行系统性预报误差订正的效果。 关键词：BP 神经网络；数值天气预报；预报误差；非系统误差；误差订正 文章编号：1000-0534(2015)06-1751-07 中图分类号：P49 文献标志码：A doi：10. 7522/j. issn. 1000-0534. 2014. 00120 结果表明对于误差大的局部区域，该方法有不错的 1 引言 ［5］ 订正效果。D ’Andrea et al 将模式误差分为状态依 数值天气预报的误差主要来源于初始场误差 赖的模式误差和随积分时间变化的模式误差，并用 ［1］ 准地转模式MM93 做实验，通过历史相似信息来确 和数值模式偏差两个方面 。初始场精度的提高主 要是通过先进的资料同化方法融合多源观测资料 定Leith 订正方法中的参数。Qiu et al［6］提出过去的 来进行。模式的发展集中在动力框架的发展和模 观测资料可以看作大气的精确解，并提出用历史 ［7 ］ 式物理过程参数化方案的进一步精细化，以及计 相似信息来弥补模式缺陷所造成的误差 。Zeng 算机能力的提高也对模式模拟和预报水平的提高 et al ［8］给出了3 种确定观测场和预报场相关的方 ［9 ］ 有较大贡献。然而，初始场不可能和真实大气完 法，用于修正气候预报误差。邵爱梅等 提出用 全相同，而任意一个数值模式也不能模拟出真实 变分方法修正模式预报误差的非系统误差部分。 的大气状态。因此，一些学者提出根据观测或分 以上几种方法大多是通过寻找预报误差和预报场 ［1 -3 ］ 或观测场之间的映射关系来订正预报。 析资料对模式误差进行订正 ，修正模式误差可 以看作是在给定的初始数据和数值模式的前提下 本文从另外一个角度来研究模式误差的订正 得到更好的模式结果的一种有效途