GRAPES-GEPSK-均值集合预报产品开发及应用
基于GRAPES全球集合预报系统(GRAPES-GEPS)及2020年2月13-16日的全国寒潮天气过程,开发出一类新的集合预报产品—K均值聚类产品.采用爬山法确定最佳聚类数量,并采用K-均值聚类算法对集合样本进行分类.结果表明,该方法的500 hPa位势高度场所有类别的聚类产品均呈现出中高纬Ω形的环流形势及低压系统后部冷平流的走向,发生概率最高的聚类产品最能反映实况中环流形势的分布.对于850 hPa温度场,其聚类产品均呈现出全国温度从北到南呈带状逐渐增加的空间分布特征,发生概率最高的第一类聚类产品与实况最为接近.对于10 m风速聚类产品,在较大风速处,集合样本离散度较大,不同类别的风速大小差异显著;发生概率较高的第一类聚类产品,其对天津及周边地区10 m风速的分布及强度描述均较准确,并能提供有价值的预报信息.K-均值聚类能有效地实现集合预报样本信息的浓缩,该产品可为预报员判断某一时次的天气预报提供直观指导.
K-均值聚类法;聚类产品;GRAPES-GEPS;位势高度;温度;风速
49
P456(天气预报)
冬奥会气象条件预测保障关键技术;中国气象局数值预报中心青年基金;国家自然科学基金青年基金项目
2021-09-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
542-551