TIGGE模式在淮河水系史河流域的应用

摘要：

为了提高淮河水系史河流域降水预报的精度,对TIGGE模式降水预报校正方法进行了研究.基于TIGGE的ECMWF、KMA、JMA、UKMO、CMA等5个模式2015-2017年汛期在史河流域的降水预报数据和雨量站实测降水资料,采用降水预报的均方根误差指标和在确报率、空报率和漏报率评价指标基础上提出的降水预报三率综合评价指标,对各模式在1～7d预见期内的预报精度进行综合评价,采用2种非线性方法RBF及v-SVR对TIGGE的5个降水预报模式进行非线性集合预报校正,并与线性方法BREM法进行了比较.结果表明:TIGGE的5个模式中,JMA模式的降水预报精度最高,其次是ECMWF和UKMO,实时降水预报校正v-SVR法明显优于BREM法和RBF法;实时降水预报校正v-SVR法提高了TIGGE模式降水预报的精度.

关键词：TIGGE、降水预报评估、集合预报方法、人工神经网络、支持向量回归、消除偏差集合平均法、史河流域

所属期刊栏目：48

分类号：P338(水文科学（水界物理学）)

资助基金：国家重点研发计划2016YFC0400909

在线出版日期：2020-03-31（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：14-21