四個統計學預報模型對比探析

導語：四個統計學預報模型對比探析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：利用臨河（53513）2014年3月11日至12月26日的地面觀測資料和T639數值模式、歐洲中心細網格（ECTHIN）數值模式、中央指導預報、德國天氣在線預報等預報結果通過平均誤差、絕對平均誤差和均方根誤差來建立統計學最佳預報模型、預報準確率權重預報模型天氣跟蹤預報模型和天氣學解釋模型，并對統計學模型進行檢驗，結果表明：最高氣溫、最低氣溫預報整體效果較好，24h2℃最高氣溫預報準確率，最佳預報模型為85.91%，預報準確率權重模型為82.13%，天氣跟蹤模型為83.47%，天氣學解釋模型為80.07%，指導預報為為79.04%；24h2℃最低氣溫預報準確率，最佳預報模型為75.95%，預報準確率權重模型為74.57%，天氣跟蹤模型為72.51%，天氣學解釋模型為65.29%，指導預報為59.9%。

關鍵詞：數值模式預報；檢驗分析；統計學；模型

1研究背景

目前預報參考的數值模式產品和指導性預報產品比較多，國家氣象部門對預報結果是有標準的，預報員在有限時間內看完所有資料是不可能的。因此，在前期預報結果檢驗基礎上建立相應的統計學預報模型是極為有必要的。本文以內蒙古巴彥淖爾市臨河站為例，根據地級市預報員的想法思路建立了最佳預報模型、預報準確率權重模型、天氣學解釋模型和天氣跟蹤預報模型等統計學預報模型，并對其進行對比分析。

2資料與方法

2.1資料

本文以臨河站（53513）為研究背景，所用資料為2014年3月11日—2014年12月26日的日最高氣溫、日最低氣溫等氣象資料和各模式與指導預報的最高氣溫、最低氣溫。

2.2方法

本文在計算出某一時段的平均誤差、平均絕對誤差和均方根的基礎上，利用預報準確率建立了最佳預報模型、預報準確率權重模型、天氣學解釋模型和天氣跟蹤預報模型等統計學預報模型。最佳預報模型的思路。在多模式產品和指導預報產品分級檢驗的基礎上，通過絕對平均誤差、平均誤差、均方根誤差和多元線性回歸等方法訂正模式產品誤差后再次進行分級檢驗，最后得出預報準確率最好、平均絕對誤差最小的預報結果，若預報準確率和平均絕對誤差相同時，分析下一層的預報準確率和平均絕對誤差。例如，氣溫預報檢驗需2、1.5、1℃和0.5℃四級分級預報準確率檢驗。如果兩個預報的2℃預報準確率和平均絕對誤差都相同，那么計算兩個預報的1.5℃預報準確率和平均絕對誤差，依次推理選出預報準確率最好、平均絕對誤差最小的模式產品預報為最佳預報。根據臨河站的檢驗情況預報訂正誤差最佳樣本數據為10個，如訂正最高氣溫，那么根據當天預報往前推出10天預報誤差來訂正預報產品的效率最好。預報準確率權重模型思路。在最佳預報模型的基礎上，確定最佳預報前三或前五，然后基于預報準確率計算權重系數，最后得出多模式產品的權重預報。根據臨河站的預報準確率權重預報最佳樣本數據為3個，如最高氣溫預報，在最佳預報模型的基礎上，確定最佳預報前三預報的效果最為明顯。

天氣跟蹤模型思路。模式預報針對不同的初始場預報同一個時次氣象要素或物理量，首先確定每一次預報時效的最佳預報，然后基于預報準確率計算權重系數，最后得出的預報為天氣跟蹤預報結果。根據臨河站天氣跟蹤預報最佳樣本數據為3個，如預報最高氣溫，那么根據當天預報往前推出3天（72h）預報開始跟蹤訂正得出的結果效果最好。天氣學解釋模型的思路。通過某一個預報時效的多模式產品采用多元線性回歸方法動態計算出回歸方程，最后用方程計算對應預報時效的氣象要素預報產品。根據臨河站天氣學解釋預報檢驗情況最佳樣本數據為180個（3月），如最高氣溫預報，那么根據當天預報往前推出180天預報和實況做多元線性回歸方程得出的預報產品效果最好。

3預報模型檢驗分析

隨著預報時效的變化，數值模式產品和指導預報的預報誤差和預報準確率下降。本文只檢驗分析最高氣溫和最低氣溫。根據平均誤差、平均絕對誤差、平均均方根誤差等方法訂正原始預報后，最后每一項預報都出現4種結果，原始預報、平均誤差訂正預報、平均絕對誤差訂正預報和平均均方根誤差訂正預報。例如，最高氣溫預報，參與的中央指導預報、省級指導預報、德國天氣在線預報、歐洲中心模式預報、T639模式預報經過誤差訂正后出現20種預報。

3.1最高氣溫檢驗可以看出

（模式和指導預報產品預報初始場為20時），24h最高氣溫的4個有統計學預報模型預報和實況擬合度還是比較好的，從2℃預報準確率來看，最佳預報模型為85.91%，預報準確率權重模型為82.13%，天氣跟蹤模型為83.47%，天氣學解釋模型為80.07%，指導預報為79.04%。從不同季節的預報效果看，夏季（6、7、8月）和秋季（9、10、11月）4個統計學預報模型預報效果明顯好于春季（3、4、5月）。24h2℃最高氣溫4個統計學預報模型預報準確率相比原始預報結果和指導預報都普遍提高1%～6%。統計模型與指導預報和數值模式預報一樣，隨著預報時效延長，預報準確率下降。預報準確率提高幅度也隨著預報準確率的下降而下降，至120h的統計模型預報準確率與原始預報基本一樣。

3.2最低氣溫檢驗

可以看出（模式和指導預報產品預報初始場為20時），24h最低氣溫的4個統計學預報模型預報和實況擬合度較好。從2℃預報準確率來看，最佳預報模型為75.95%,預報準確率權重模型為74.57%，天氣跟蹤模型為72.51%，天氣學解釋模型為65.29%，指導預報為59.90%。從不同季節的預報效果來看，夏季（6、7、8月）和秋季（9、10、11月）4個統計學預報模型預報效果明顯好于春季（3、4、5月）24h2℃最低氣溫4個統計學預報模型預報準確率相比原始預報結果和指導預報都普遍提高5%～16%。統計模型與指導預報和數值模式預報一樣，隨著預報時效延長，預報準確率下降。此外，預報準確率提高幅度也是隨著預報準確率的下降而下降，至96h的統計模型預報準確率與原始預報基本一樣。

4結論

應用4個統計學預報模型模型對樣本（2014年3月11日—2014年12月26日）進行預報檢驗，數據（模式和指導預報產品預報初始場為20時）顯示：24h2℃最高氣溫預報準確率，最佳預報模型為85.91%，預報準確率權重模型為82.13%，天氣跟蹤模型為83.47%，天氣學解釋模型為80.07%，指導預報為79.04%；24h2℃最低氣溫預報準確率，最佳預報模型為75.95%，預報準確率權重模型為74.57%，天氣跟蹤模型為72.51%，天氣學解釋模型為65.29%，指導預報為59.90%。最佳預報模型最佳樣本數據為10個；預報準確率權重模型最佳預報前三預報的權重預報為最好；天氣跟蹤模型最佳樣本數據為3個（往前推72h）預報效率最好；天氣學解釋模型最佳樣本數據為180個（3月）預報效率最好。24h2℃最高氣溫4個統計學預報模型預報準確率相比原始預報結果和指導預報提高1%～16%；24h2℃最低氣溫4個統計學預報模型預報準確率相比原始預報結果和指導預報都普遍提高5%～16%。統計模型與指導預報和數值模式預報一樣隨著預報時效延長而預報準確率下降。預報準確率提高幅度也隨著預報準確率的下降而下降。從不同季節的預報效果看，夏季（6、7、8月）和秋季（9、10、11月）4個統計學預報模型預報效果明顯好于春季（3、4、5月）。

參考文獻：

［1］劉還珠，趙聲蓉，陸志善，等.國家氣象中心氣象要素的客觀預報——MOS系統［J］.應用氣象學報，2004（2）：181-191.

［2］黃嘉佑.氣象統計分析與預報方法［M］.北京：氣象出版社，2010.

［3］張良，李耀輝，王勝，等.張掖國家氣候觀象臺常規氣象資料檢驗分析［J］.干旱氣象，，2010（1）：49-53.

［4］潘留杰，張宏芳，朱偉軍，等.ECMWF模式對東北半球氣象要素場預報能力的檢驗［J］.氣候與環境研究，2013（1）：111-123.

［5］張成軍，紀曉玲，馬金仁，等.多種數值預報及其釋用產品在寧夏天氣預報業務中的檢驗評估［J］.干旱氣象，2017（1）：148-156.

作者:白秀芳 楊鐵鋼 單位:通遼市氣象局