应用贝氏模型平均法发展台风路径机率预报指引-气象科技研究-中央.PDF

應用貝氏模型平均法發展颱風路徑機率預報指引 馮智勇1 陳昱璁1 黃嘉美2 賈愛玫2 多采科技有限公司1 中央氣象局預報中心2 摘 要 本研究利用貝氏模型平均法(Bayesian Model Averaging ，以下簡稱BMA)可整合不同預報 及觀測產製預測機率密度函數(Probability density function ，以下簡稱PDF)的優點，發展可整 合 JMA 、NCEP 、TWRF 、EC 、WRF1 與 WRF3 等天氣預報數值模式颱風預報路徑的機率預 報指引。首先對經度與緯度進行誤差分析以確認整體誤差呈現常態分佈，再依據訓練期資料 透過 Expectation-Maximization 演算法計算出各個模式的權重係數以及標準差。 訓練期資料採移動視窗方式，選擇預報前 N 個颱風的模式預報路徑與最佳路徑資料，並 且分別呈現觀測與 BMA 期望值路線的誤差關係，以及 BMA 方式所產製的機率預報對颱風中 心路徑掌握度的表現。使用 2011~2015 年颱風資料的初步分析結果顯示，整合後的 BMA 颱 風路徑期望值預報可進一步降低等權重平均預報的經度方向誤差與緯度方向誤差。 關鍵字：貝氏模型平均 颱風路徑機率預報 降尺度策略建置 、 、 與 等數值動力 一 、 前言 ECA1 JMA NCEP WRF 近年颱風路徑預報投入了許多資源在多模式 系集 模式之各項天氣要素廻歸模型。本研究以BMA溫度機率 / 預報的發展上，而同時多模式 系集的資料整合也變得相 預報技術為基礎 ，嘗試將BMA方法投入颱風路徑機率預 / 當重要。在整合路徑的綜合預報上也有許多方法正在發 報上。 展與改進中，其中包括了Russel等人(2008)以預報與觀測 颱風路徑預報在系集與多模式的整合上已經有許 路徑誤差距離反比為權重依據提出Weighted Average與 多文獻以不同的方式投入研究，本研究選用貝氏模型平 Weighted Motion Vector Consensus方法，及採用模式對 均法嘗試進行颱風路徑預報整合，訓練期資料採移動視 中心位置距平掌握能力為依據的Superensemble方法(Jun 窗方式，選擇預報前N個颱風的模式預報路徑與最佳路 et al., 2015, Krishnamurti et al., 1999; 2011)等。 徑資料。目的在於整合近期各模式在颱風預報上的優劣 貝氏模型平均法(Bayesian Model Averaging, BMA) 情況 ，給予各個模式合理權重並產製BMA颱風路徑預報。 除了路徑預報本身之外 ， 方法也提供了訓練期的模 衍伸自貝氏定理，已被廣泛應用在經濟學、生物學等領 BMA 域。Barnard(1963)將模型混合的概念應用在飛機旅客的 式預報誤差資訊 ，在整合後的機率分布 上同時提供使 資料上；Roberts(1965)提出由兩個模型以及後驗機率加 用者該次預報有可能的誤差分布資訊 。 權平均得到所需的模型，此為BMA雛型 概念；Leamer 二 、 颱風路徑機率預報建置方式 (1978)指出此方法可以處理模型選擇上之 不確定性問 BMA 題；Hoeting等人(1999)拓展BMA雛型概念， 提出將所