最小二乘法在洞头区极大风速订正预报中的应用

发布时间：2021-06-17 02:40

　　将浙江省快速更新同化系统（ZJWARRS）的风速预报结果与站点观测的极大风速进行了最小二乘拟合,利用拟合系数对ZJWARRS风速预报进行了订正试验,按照不同风速对结果进行了评估,并试验了不同样本数量、不同风速分段建模对拟合效果的影响。结果表明,订正结果在不同风速下均具有正效应,在风速为5～15 m/s时效果最为显著,可比原有预报结果改进20%以上。在空间分布上,在本身风速较大、误差较大的站点改进可达30%以上,而在部分风速较小的站点则有负效应。在样本数量方面,20个样本是拟合具有正效应的最低样本数,60个样本已使拟合效果趋于稳定,再增加样本对拟合效果的改善不明显。而分段建模试验结果显示,相比将所有样本一起建模,按照不同风速分段后分别建模的方法并没有明显的正效应。 

【文章来源】：浙江气象. 2020,41(03)

【文章页数】：7 页

【部分图文】：

3档风速下拟合结果对ZJWARRS预报改进的空间分布

图1显示了ZJWARRS预报与最小二乘拟合的风速散点分布,横坐标为观测,纵坐标则为ZJWARRS(图1a)或拟合值(图1b),实线代表观测与预报相等,散点在实线上方代表预报结果比观测大,反之则代表预报比观测小。由图1a可以看出,大部分ZJWARRS预报结果都比观测偏小,尤其在观测风速为5～20 m/s时,偏小最为明显。而经过最小二乘拟合(图1b),这一负偏差可以得到有效纠正。ZJWARRS风速误差与风速的相关系数高达0.85(200个样本),远超99%的显著性水平。也就是说,风速越大,预报的误差也会越大,反之亦然。为了分别检验不同风速条件下最小二乘拟合的效果,按观测风速将评估站次分成小于5 m/s、5～15 m/s、大于15 m/s 3档。由表1可以看出,风速为5～15 m/s时,改进幅度最大,约21%。值得注意的是,在评估的3个月时间内,5～15 m/s的极大风速约占70%比例,而小于5 m/s和大于15 m/s的风速比例只占30%。虽然最小二乘法对小于5 m/s的弱风改进不大,但由于弱风本身误差较小,对生产生活的影响不大。对业务中最为关注的大于5 m/s的极大风,最小二乘拟合的改进效果明显。

通过以上分析可知,最小二乘拟合对风速的订正效果在不同站点上具有显著差别。为了进一步研究不同站点订正效果差别的原因,分别选取了订正效果最差和最好的3个站进行分析。如图3所示,3个效果差的站点风速均偏小,平均风速在5.5～7.5 m/s之间,而3个效果最好的站风速较大,平均极大风都在10 m/s以上。风速偏小时,ZJWARRS本身的误差较小,且ZJWARRS预报与观测之间的规律并不显著,使得订正改进的空间不大。而3个订正效果最好的站,平均风速大,ZJWARRS误差也大,预报结果普遍小于观测,且二者之间存在显著的线性规律,这种情况下最小二乘拟合的改进幅度都在30%左右。此外,3个订正效果最差的站都在图2中标记的临近大陆的7个站中,而3个订正效果最好的站则都在远离陆地的5个站中产生,这也与上文分析一致,即对平均风速大、ZJWARRS误差较大的站点,最小二乘拟合容易取得较好的效果。2.2 样本长度的影响

【参考文献】：
期刊论文
[1]基于偏最小二乘回归的区域换式风速预报订正技术研究[J]. 杨程,姜瑜君,余贞寿,姜文东,康丽莉,王丽吉.  气象. 2019(05)
[2]基于机器学习的数值天气预报风速订正研究[J]. 孙全德,焦瑞莉,夏江江,严中伟,李昊辰,孙建华,王立志,梁钊明.  气象. 2019(03)
[3]我国近海洋面10 m风速集合预报客观订正方法[J]. 胡海川,黄彬,魏晓琳.  气象. 2017(07)
[4]基于最大熵混沌时间序列的支持向量机短期风速预测模型研究[J]. 杨薛明,边继飞,朱霄珣,韩中合.  太阳能学报. 2016(09)
[5]浙江省快速更新同化系统的建立与检验评估[J]. 邱金晶,陈锋,董美莹,余贞寿.  气象科技进展. 2015(06)



本文编号：3234294