白秀芳 楊鐵鋼

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(shù)值模式、歐洲中心細(xì)網(wǎng)格（ECTHIN）數(shù)值模式、中央指導(dǎo)預(yù)報(bào)、德國天氣在線預(yù)報(bào)等預(yù)報(bào)結(jié)果通過平均誤差、絕對平均誤差和均方根誤差來建立統(tǒng)計(jì)學(xué)最佳預(yù)報(bào)模型、預(yù)報(bào)準(zhǔn)確率權(quán)重預(yù)報(bào)模型天氣跟蹤預(yù)報(bào)模型和天氣學(xué)解釋模型，并對統(tǒng)計(jì)學(xué)模型進(jìn)行檢驗(yàn)，結(jié)果表明：最高氣溫、最低氣溫預(yù)報(bào)整體效果較好，24h 2℃最高氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為85.91%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為82.13%，天氣跟蹤模型為83.47%，天氣學(xué)解釋模型為80.07%，指導(dǎo)預(yù)報(bào)為為79.04%；24h 2℃最低氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為75.95%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為74.57%，天氣跟蹤模型為72.51%，天氣學(xué)解釋模型為65.29%，指導(dǎo)預(yù)報(bào)為59.9%。

關(guān)鍵詞：數(shù)值模式預(yù)報(bào)；檢驗(yàn)分析；統(tǒng)計(jì)學(xué)；模型

中圖分類號：P456.7 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2018）23-0144-03

Contrastive Analysis of Four Statistical Prediction Model

BAI Xiufang YANG Tiegang

（Tongliao Meteorologic Bureau，Tongliao Inner Mongolia 028000）

Abstract： This paper established the best prediction model of statistics、the forecast accuracy weight forecasting model、the weather tracking forecast model and synoptic meteorology exegetical model base on the mean error、the absolute mean error and the root-mean-square error which were calculated by the result of the surface observation data 、T639 numerical model 、European central thin grid （ECTHIN） numerical model 、guidance forecast of CMS 、German Weather online prediction on Linhe （53513） within March 11st to December 26st ，2014 ； then checked and analysed the statistical model . The result showed that the forecast effects of maximum temperature and minimum temperature were pretty good. The accuracy of maximum temperature forecast in 24 hours within （2℃） was as follows：the best prediction model of statistics was 85.91%；the forecast accuracy weight forecasting model was 82.13%；the weather tracking forecast model was 83.47%；synoptic meteorology exegetical model was 80.07% and the guidance forecast of CMS was 79.04%. The accuracy of minimum temperature forecast in 24 hours within （2℃） was as follows： the best prediction model of statistics was 75.95%；the forecast accuracy weight forecasting model was 74.57%；the weather tracking forecast model was 72.51%；synoptic meteorology exegetical model was 65.29% and the guidance forecast of CMS was 59.9%.

Keywords： numerical model prediction；check and analyse；statistics model

1 研究背景

當(dāng)前，氣象預(yù)報(bào)已從半經(jīng)驗(yàn)半理論的定性、定量預(yù)報(bào)，發(fā)展到結(jié)合數(shù)值預(yù)報(bào)產(chǎn)品和多種氣象信息及預(yù)報(bào)技術(shù)的精細(xì)化預(yù)報(bào)。目前預(yù)報(bào)參考的數(shù)值模式產(chǎn)品和指導(dǎo)性預(yù)報(bào)產(chǎn)品比較多，國家氣象部門對預(yù)報(bào)結(jié)果發(fā)布是有標(biāo)準(zhǔn)的，預(yù)報(bào)員在有限時間內(nèi)看完所有資料是不可能的。因此，在前期預(yù)報(bào)結(jié)果檢驗(yàn)基礎(chǔ)上建立相應(yīng)的統(tǒng)計(jì)學(xué)預(yù)報(bào)模型是極為有必要的。本文以內(nèi)蒙古巴彥淖爾市臨河站為例，根據(jù)地級市預(yù)報(bào)員的想法思路建立了最佳預(yù)報(bào)模型、預(yù)報(bào)準(zhǔn)確率權(quán)重模型、天氣學(xué)解釋模型和天氣跟蹤預(yù)報(bào)模型等統(tǒng)計(jì)學(xué)預(yù)報(bào)模型，并對其進(jìn)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(dǎo)預(yù)報(bào)的最高氣溫、最低氣溫。

2.2 方法

本文在計(jì)算出某一時段的平均誤差、平均絕對誤差和均方根的基礎(chǔ)上，利用預(yù)報(bào)準(zhǔn)確率建立了最佳預(yù)報(bào)模型、預(yù)報(bào)準(zhǔn)確率權(quán)重模型、天氣學(xué)解釋模型和天氣跟蹤預(yù)報(bào)模型等統(tǒng)計(jì)學(xué)預(yù)報(bào)模型。

最佳預(yù)報(bào)模型的思路。在多模式產(chǎn)品和指導(dǎo)預(yù)報(bào)產(chǎn)品分級檢驗(yàn)的基礎(chǔ)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(chǎn)品誤差后再次進(jìn)行分級檢驗(yàn)，最后得出預(yù)報(bào)準(zhǔn)確率最好、平均絕對誤差最小的預(yù)報(bào)結(jié)果，若預(yù)報(bào)準(zhǔn)確率和平均絕對誤差相同時，分析下一層的預(yù)報(bào)準(zhǔn)確率和平均絕對誤差。例如，氣溫預(yù)報(bào)檢驗(yàn)需2、1.5、1℃和0.5℃四級分級預(yù)報(bào)準(zhǔn)確率檢驗(yàn)。如果兩個預(yù)報(bào)的2℃預(yù)報(bào)準(zhǔn)確率和平均絕對誤差都相同，那么計(jì)算兩個預(yù)報(bào)的1.5℃預(yù)報(bào)準(zhǔn)確率和平均絕對誤差，依次推理選出預(yù)報(bào)準(zhǔn)確率最好、平均絕對誤差最小的模式產(chǎn)品預(yù)報(bào)為最佳預(yù)報(bào)。根據(jù)臨河站的檢驗(yàn)情況預(yù)報(bào)訂正誤差最佳樣本數(shù)據(jù)為10個，如訂正最高氣溫，那么根據(jù)當(dāng)天預(yù)報(bào)往前推出10天預(yù)報(bào)誤差來訂正預(yù)報(bào)產(chǎn)品的效率最好[1]。

預(yù)報(bào)準(zhǔn)確率權(quán)重模型思路。在最佳預(yù)報(bào)模型的基礎(chǔ)上，確定最佳預(yù)報(bào)前三或前五，然后基于預(yù)報(bào)準(zhǔn)確率計(jì)算權(quán)重系數(shù)，最后得出多模式產(chǎn)品的權(quán)重預(yù)報(bào)。根據(jù)臨河站的預(yù)報(bào)準(zhǔn)確率權(quán)重預(yù)報(bào)最佳樣本數(shù)據(jù)為3個，如最高氣溫預(yù)報(bào)，在最佳預(yù)報(bào)模型的基礎(chǔ)上，確定最佳預(yù)報(bào)前三預(yù)報(bào)的效果最為明顯。

天氣跟蹤模型思路。模式預(yù)報(bào)針對不同的初始場預(yù)報(bào)同一個時次氣象要素或物理量，首先確定每一次預(yù)報(bào)時效的最佳預(yù)報(bào)，然后基于預(yù)報(bào)準(zhǔn)確率計(jì)算權(quán)重系數(shù)，最后得出的預(yù)報(bào)為天氣跟蹤預(yù)報(bào)結(jié)果。根據(jù)臨河站天氣跟蹤預(yù)報(bào)最佳樣本數(shù)據(jù)為3個，如預(yù)報(bào)最高氣溫，那么根據(jù)當(dāng)天預(yù)報(bào)往前推出3天（72h）預(yù)報(bào)開始跟蹤訂正得出的結(jié)果效果最好。

天氣學(xué)解釋模型的思路。通過某一個預(yù)報(bào)時效的多模式產(chǎn)品采用多元線性回歸方法動態(tài)計(jì)算出回歸方程，最后用方程計(jì)算對應(yīng)預(yù)報(bào)時效的氣象要素預(yù)報(bào)產(chǎn)品。根據(jù)臨河站天氣學(xué)解釋預(yù)報(bào)檢驗(yàn)情況最佳樣本數(shù)據(jù)為180個（3月），如最高氣溫預(yù)報(bào)，那么根據(jù)當(dāng)天預(yù)報(bào)往前推出180天預(yù)報(bào)和實(shí)況做多元線性回歸方程得出的預(yù)報(bào)產(chǎn)品效果最好[2]。

3 預(yù)報(bào)模型檢驗(yàn)分析

隨著預(yù)報(bào)時效的變化，數(shù)值模式產(chǎn)品和指導(dǎo)預(yù)報(bào)的預(yù)報(bào)誤差和預(yù)報(bào)準(zhǔn)確率下降。本文只檢驗(yàn)分析最高氣溫和最低氣溫。根據(jù)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(yù)報(bào)后，最后每一項(xiàng)預(yù)報(bào)都出現(xiàn)4種結(jié)果，原始預(yù)報(bào)、平均誤差訂正預(yù)報(bào)、平均絕對誤差訂正預(yù)報(bào)和平均均方根誤差訂正預(yù)報(bào)。例如，最高氣溫預(yù)報(bào)，參與的中央指導(dǎo)預(yù)報(bào)、省級指導(dǎo)預(yù)報(bào)、德國天氣在線預(yù)報(bào)、歐洲中心模式預(yù)報(bào)、T639模式預(yù)報(bào)經(jīng)過誤差訂正后出現(xiàn)20種預(yù)報(bào)。

3.1 最高氣溫檢驗(yàn)

從圖1、表1可以看出（模式和指導(dǎo)預(yù)報(bào)產(chǎn)品預(yù)報(bào)初始場為20時），24h最高氣溫的4個有統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)和實(shí)況擬合度還是比較好的[3]，從2℃預(yù)報(bào)準(zhǔn)確率來看，最佳預(yù)報(bào)模型為85.91%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為82.13%，天氣跟蹤模型為83.47%，天氣學(xué)解釋模型為80.07%，指導(dǎo)預(yù)報(bào)為79.04%。從不同季節(jié)的預(yù)報(bào)效果看，夏季（6、7、8月）和秋季（9、10、11月） 4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)效果明顯好于春季（3、4、5月）。

24h 2℃最高氣溫4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)都普遍提高1%～6%。統(tǒng)計(jì)模型與指導(dǎo)預(yù)報(bào)和數(shù)值模式預(yù)報(bào)一樣，隨著預(yù)報(bào)時效延長，預(yù)報(bào)準(zhǔn)確率下降。預(yù)報(bào)準(zhǔn)確率提高幅度也隨著預(yù)報(bào)準(zhǔn)確率的下降而下降，至120h的統(tǒng)計(jì)模型預(yù)報(bào)準(zhǔn)確率與原始預(yù)報(bào)基本一樣[4]。

3.2 最低氣溫檢驗(yàn)

從圖2、表2可以看出（模式和指導(dǎo)預(yù)報(bào)產(chǎn)品預(yù)報(bào)初始場為20時），24h最低氣溫的4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)和實(shí)況擬合度較好。從2℃預(yù)報(bào)準(zhǔn)確率來看，最佳預(yù)報(bào)模型為75.95%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為74.57%，天氣跟蹤模型為72.51%，天氣學(xué)解釋模型為65.29%，指導(dǎo)預(yù)報(bào)為59.90%。從不同季節(jié)的預(yù)報(bào)效果來看，夏季（6、7、8月）和秋季（9、10、11月）4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)效果明顯好于春季（3、4、5月）。

24h 2℃最低氣溫4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)都普遍提高5%～16%。統(tǒng)計(jì)模型與指導(dǎo)預(yù)報(bào)和數(shù)值模式預(yù)報(bào)一樣，隨著預(yù)報(bào)時效延長，預(yù)報(bào)準(zhǔn)確率下降。此外，預(yù)報(bào)準(zhǔn)確率提高幅度也是隨著預(yù)報(bào)準(zhǔn)確率的下降而下降，至96h的統(tǒng)計(jì)模型預(yù)報(bào)準(zhǔn)確率與原始預(yù)報(bào)基本一樣[5]。

4 結(jié)論

應(yīng)用4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型模型對樣本（2014年3月11日—2014年12月26日）進(jìn)行預(yù)報(bào)檢驗(yàn)，數(shù)據(jù)（模式和指導(dǎo)預(yù)報(bào)產(chǎn)品預(yù)報(bào)初始場為20時）顯示：24h 2℃最高氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為85.91%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為82.13%，天氣跟蹤模型為83.47%，天氣學(xué)解釋模型為80.07%，指導(dǎo)預(yù)報(bào)為79.04%；24h 2℃最低氣溫預(yù)報(bào)準(zhǔn)確率，最佳預(yù)報(bào)模型為75.95%，預(yù)報(bào)準(zhǔn)確率權(quán)重模型為74.57%，天氣跟蹤模型為72.51%，天氣學(xué)解釋模型為65.29%，指導(dǎo)預(yù)報(bào)為59.90%。

最佳預(yù)報(bào)模型最佳樣本數(shù)據(jù)為10個；預(yù)報(bào)準(zhǔn)確率權(quán)重模型最佳預(yù)報(bào)前三預(yù)報(bào)的權(quán)重預(yù)報(bào)為最好；天氣跟蹤模型最佳樣本數(shù)據(jù)為3個（往前推72h）預(yù)報(bào)效率最好；天氣學(xué)解釋模型最佳樣本數(shù)據(jù)為180個（3月）預(yù)報(bào)效率最好。

24h 2℃最高氣溫4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)提高1%～16%；24h 2℃最低氣溫4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)準(zhǔn)確率相比原始預(yù)報(bào)結(jié)果和指導(dǎo)預(yù)報(bào)都普遍提高5%～16%。統(tǒng)計(jì)模型與指導(dǎo)預(yù)報(bào)和數(shù)值模式預(yù)報(bào)一樣隨著預(yù)報(bào)時效延長而預(yù)報(bào)準(zhǔn)確率下降。預(yù)報(bào)準(zhǔn)確率提高幅度也隨著預(yù)報(bào)準(zhǔn)確率的下降而下降。

從不同季節(jié)的預(yù)報(bào)效果看，夏季（6、7、8月）和秋季（9、10、11月）4個統(tǒng)計(jì)學(xué)預(yù)報(bào)模型預(yù)報(bào)效果明顯好于春季（3、4、5月）。

參考文獻(xiàn)：

[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(yù)報(bào)——MOS系統(tǒng)[J].應(yīng)用氣象學(xué)報(bào)，2004（2）：181-191.

[2]黃嘉佑.氣象統(tǒng)計(jì)分析與預(yù)報(bào)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(guī)氣象資料檢驗(yàn)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(yù)報(bào)能力的檢驗(yàn)[J].氣候與環(huán)境研究，2013（1）：111-123.

[5]張成軍，紀(jì)曉玲，馬金仁，等.多種數(shù)值預(yù)報(bào)及其釋用產(chǎn)品在寧夏天氣預(yù)報(bào)業(yè)務(wù)中的檢驗(yàn)評估[J].干旱氣象，2017（1）：148-156.