基于支持向量机的逐日降水预报模型研究

【摘要】：降水作为常规气象要素之一,因其非线性、不连续的特点,一直是天气预报工作的重点和难点问题。短时间的集中性降水,极易引发暴雨、洪涝等气象灾害,给国民经济发展和人民日常生活带来不良影响。因此,如何提高降水预报的准确率一直是气象领域研究人员不断追求的目标之一。随着数值模式的基础理论突破和关键技术的发展,数值预报产品的时空分辨率不断提高,使得数值预报模式成为日常天气预报的重要参考依据。为了得到更加准确的天气预报结果,本文利用支持向量机对数值预报产品进行释用预报方法研究。本文选取广东省36个地面观测站为研究对象,以欧洲中期天气预报中心ECMWF数值预报模式的逐日输出产品资料和地面观测站点降水资料为基础,对研究区域2013~2017年前汛期4~6月的逐日降水情况进行了预报研究。论文的研究内容主要包括:(1)依据研究站点降水的气候特征,对偏态分布的降水量进行了正态化处理,将降水量分为晴雨和降水量等级两个模块。以研究站点24小时有无降水为预报对象,对欧洲中期预报中心数值产品的要素场进行相关普查,初步选取预报因子。然后利用主成分分析对初筛因子进一步降维处理,提取相关性高的主成分因子作为预报因子,建立起主成分与支持向量机相结合的晴雨预报模型。(2)建立36个观测站点24小时晴雨预报模型。首先,将ECMWF模式预报产品与预报对象做相关普查,从中提取相关因子场,再利用双线性插值法将要素场插值到相应的站点位置,从而构造了观测站点的预报因子库。然后将这些预报因子作为支持向量机的特征输入模型,得到该模型的预报结果。并进一步对这一模型的预报结果和前述主成分与支持向量机建立的模型预报结果进行对照。它们的对比结果表明,主成分与支持向量机相结合的模型预报准确率要比支持向量机模型提高了10%~15%左右。(3)按照气象学的相关规定,将各观测站点的24h逐日平均降水量分为无雨、小雨、中雨、大雨、暴雨、大暴雨以上6个级别,以24h平均降水量级为预报对象,建立主成分和支持向量机相结合的降水量等级模型。并将该模型预性能与ECMWF数值预报输出产品的预报性能进行对比。结果表明基于支持向量机的数值预报产品释用方法对降水等级的预报效果要优于数值产品直接输出结果。相较于前人的工作,本文在以下几个方面做了一些的创新性尝试:(1)建立逐日逐站的降水预报模型,实现了局域降水预报模型研究。对于数值预报产品的释用预报研究,大多数学者采用单站或分区的方法对数值预报产品进行研究。本文尝试建立了研究区域逐站降水预报模型,实现了客观气象要素的地域精细化预报,是一次有益的尝试。(2)采用主成分分析法对降水预报模型的输入因子作进一步降维、去噪处理,极大地提高了支持向量机模型的预报性能,在提高支持向量机模型的预报准确率上作了新方法的尝试。