一种基于BDC雷暴预报的最优子集方法研究

摘要：

二进制粒子群-贝叶斯判别准则(Binary Particle Swarm Optimization-Bayes Discriminatory Criterion, BPSO-BDC)方法,能够使用二进制粒子群(Binary Particle Swarm Optimization, BPSO)算法智能地选取出贝叶斯判别准则(Bayes Discrimi-natory Criterion, BDC)雷暴预报模型的最优子集,克服了BDC在因子选择时的缺点.为了建立BDC雷暴最优模型,利用2010-2014年T511数值预报产品和单站观测资料,对漳州、义乌、乐东三站BDC雷暴预报模型进行研究.通过选取适应度函数,提出了BPSO搜索BDC模型最优子集的计算方法,得到了三站的最优子集模型,并与BDC和逐步判别模型进行对比.结果表明:在24 h的雷暴预报结果中,BPSO-BDC模型的平均TS评分达到了0.697,空报率为0.256,漏报率为0.048,在48 h的雷暴预报结果中,BPSO-BDC模型的平均TS评分达到了0.418,空报率为0.222.BPSO-BDC模型的预报结果明显优于BDC和逐步判别模型.对BPSO-BDC模型进行稳定性检验,TS评分都在0.21～0.35之间,变化幅度较小且处于较高水平.说明BPSO-BDC方法预报效果明显优于BDC和逐步判别方法,且具有良好的稳定性.

关键词：数值预报产品、粒子群算法、贝叶斯判别准则、雷暴预报

所属期刊栏目：37

分类号：P446(天气学)

资助基金：国家自然科学基金41475070,41375049

在线出版日期：2018-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：257-264