四个统计学预报模型对比探析

摘要：利用临河（53513）2014年3月11日至12月26日的地面观测资料和T639数值模式、欧洲中心细网格（ECTHIN）数值模式、中央指导预报、德国天气在线预报等预报结果通过平均误差、绝对平均误差和均方根误差来建立统计学最佳预报模型、预报准确率权重预报模型天气跟踪预报模型和天气学解释模型，并对统计学模型进行检验，结果表明：最高气温、最低气温预报整体效果较好，24h2℃最高气温预报准确率，最佳预报模型为85.91%，预报准确率权重模型为82.13%，天气跟踪模型为83.47%，天气学解释模型为80.07%，指导预报为为79.04%；24h2℃最低气温预报准确率，最佳预报模型为75.95%，预报准确率权重模型为74.57%，天气跟踪模型为72.51%，天气学解释模型为65.29%，指导预报为59.9%。

关键词：数值模式预报；检验分析；统计学；模型

1研究背景

目前预报参考的数值模式产品和指导性预报产品比较多，国家气象部门对预报结果是有标准的，预报员在有限时间内看完所有资料是不可能的。因此，在前期预报结果检验基础上建立相应的统计学预报模型是极为有必要的。本文以内蒙古巴彦淖尔市临河站为例，根据地级市预报员的想法思路建立了最佳预报模型、预报准确率权重模型、天气学解释模型和天气跟踪预报模型等统计学预报模型，并对其进行对比分析。

2资料与方法

2.1资料

本文以临河站（53513）为研究背景，所用资料为2014年3月11日—2014年12月26日的日最高气温、日最低气温等气象资料和各模式与指导预报的最高气温、最低气温。

2.2方法

本文在计算出某一时段的平均误差、平均绝对误差和均方根的基础上，利用预报准确率建立了最佳预报模型、预报准确率权重模型、天气学解释模型和天气跟踪预报模型等统计学预报模型。最佳预报模型的思路。在多模式产品和指导预报产品分级检验的基础上，通过绝对平均误差、平均误差、均方根误差和多元线性回归等方法订正模式产品误差后再次进行分级检验，最后得出预报准确率最好、平均绝对误差最小的预报结果，若预报准确率和平均绝对误差相同时，分析下一层的预报准确率和平均绝对误差。例如，气温预报检验需2、1.5、1℃和0.5℃四级分级预报准确率检验。如果两个预报的2℃预报准确率和平均绝对误差都相同，那么计算两个预报的1.5℃预报准确率和平均绝对误差，依次推理选出预报准确率最好、平均绝对误差最小的模式产品预报为最佳预报。根据临河站的检验情况预报订正误差最佳样本数据为10个，如订正最高气温，那么根据当天预报往前推出10天预报误差来订正预报产品的效率最好。预报准确率权重模型思路。在最佳预报模型的基础上，确定最佳预报前三或前五，然后基于预报准确率计算权重系数，最后得出多模式产品的权重预报。根据临河站的预报准确率权重预报最佳样本数据为3个，如最高气温预报，在最佳预报模型的基础上，确定最佳预报前三预报的效果最为明显。

天气跟踪模型思路。模式预报针对不同的初始场预报同一个时次气象要素或物理量，首先确定每一次预报时效的最佳预报，然后基于预报准确率计算权重系数，最后得出的预报为天气跟踪预报结果。根据临河站天气跟踪预报最佳样本数据为3个，如预报最高气温，那么根据当天预报往前推出3天（72h）预报开始跟踪订正得出的结果效果最好。天气学解释模型的思路。通过某一个预报时效的多模式产品采用多元线性回归方法动态计算出回归方程，最后用方程计算对应预报时效的气象要素预报产品。根据临河站天气学解释预报检验情况最佳样本数据为180个（3月），如最高气温预报，那么根据当天预报往前推出180天预报和实况做多元线性回归方程得出的预报产品效果最好。

3预报模型检验分析

随着预报时效的变化，数值模式产品和指导预报的预报误差和预报准确率下降。本文只检验分析最高气温和最低气温。根据平均误差、平均绝对误差、平均均方根误差等方法订正原始预报后，最后每一项预报都出现4种结果，原始预报、平均误差订正预报、平均绝对误差订正预报和平均均方根误差订正预报。例如，最高气温预报，参与的中央指导预报、省级指导预报、德国天气在线预报、欧洲中心模式预报、T639模式预报经过误差订正后出现20种预报。

3.1最高气温检验可以看出

（模式和指导预报产品预报初始场为20时），24h最高气温的4个有统计学预报模型预报和实况拟合度还是比较好的，从2℃预报准确率来看，最佳预报模型为85.91%，预报准确率权重模型为82.13%，天气跟踪模型为83.47%，天气学解释模型为80.07%，指导预报为79.04%。从不同季节的预报效果看，夏季（6、7、8月）和秋季（9、10、11月）4个统计学预报模型预报效果明显好于春季（3、4、5月）。24h2℃最高气温4个统计学预报模型预报准确率相比原始预报结果和指导预报都普遍提高1%～6%。统计模型与指导预报和数值模式预报一样，随着预报时效延长，预报准确率下降。预报准确率提高幅度也随着预报准确率的下降而下降，至120h的统计模型预报准确率与原始预报基本一样。

3.2最低气温检验

可以看出（模式和指导预报产品预报初始场为20时），24h最低气温的4个统计学预报模型预报和实况拟合度较好。从2℃预报准确率来看，最佳预报模型为75.95%,预报准确率权重模型为74.57%，天气跟踪模型为72.51%，天气学解释模型为65.29%，指导预报为59.90%。从不同季节的预报效果来看，夏季（6、7、8月）和秋季（9、10、11月）4个统计学预报模型预报效果明显好于春季（3、4、5月）24h2℃最低气温4个统计学预报模型预报准确率相比原始预报结果和指导预报都普遍提高5%～16%。统计模型与指导预报和数值模式预报一样，随着预报时效延长，预报准确率下降。此外，预报准确率提高幅度也是随着预报准确率的下降而下降，至96h的统计模型预报准确率与原始预报基本一样。

4结论

应用4个统计学预报模型模型对样本（2014年3月11日—2014年12月26日）进行预报检验，数据（模式和指导预报产品预报初始场为20时）显示：24h2℃最高气温预报准确率，最佳预报模型为85.91%，预报准确率权重模型为82.13%，天气跟踪模型为83.47%，天气学解释模型为80.07%，指导预报为79.04%；24h2℃最低气温预报准确率，最佳预报模型为75.95%，预报准确率权重模型为74.57%，天气跟踪模型为72.51%，天气学解释模型为65.29%，指导预报为59.90%。最佳预报模型最佳样本数据为10个；预报准确率权重模型最佳预报前三预报的权重预报为最好；天气跟踪模型最佳样本数据为3个（往前推72h）预报效率最好；天气学解释模型最佳样本数据为180个（3月）预报效率最好。24h2℃最高气温4个统计学预报模型预报准确率相比原始预报结果和指导预报提高1%～16%；24h2℃最低气温4个统计学预报模型预报准确率相比原始预报结果和指导预报都普遍提高5%～16%。统计模型与指导预报和数值模式预报一样随着预报时效延长而预报准确率下降。预报准确率提高幅度也随着预报准确率的下降而下降。从不同季节的预报效果看，夏季（6、7、8月）和秋季（9、10、11月）4个统计学预报模型预报效果明显好于春季（3、4、5月）。

参考文献：

［1］刘还珠，赵声蓉，陆志善，等.国家气象中心气象要素的客观预报——MOS系统［J］.应用气象学报，2004（2）：181-191.

［2］黄嘉佑.气象统计分析与预报方法［M］.北京：气象出版社，2010.

［3］张良，李耀辉，王胜，等.张掖国家气候观象台常规气象资料检验分析［J］.干旱气象，，2010（1）：49-53.

［4］潘留杰，张宏芳，朱伟军，等.ECMWF模式对东北半球气象要素场预报能力的检验［J］.气候与环境研究，2013（1）：111-123.

［5］张成军，纪晓玲，马金仁，等.多种数值预报及其释用产品在宁夏天气预报业务中的检验评估［J］.干旱气象，2017（1）：148-156.

作者:白秀芳 杨铁钢 单位:通辽市气象局