综合天气相似分析方法及其气象预报服务应用

摘要：

为改进传统"切片"式天气形势相似分析方法存在的不同切片相似结果不一致、预报稳定性欠佳问题,借鉴大数据思维,将天气系统视为一个由高中低层大气相互配合、静力热力动力条件相互影响的综合体,以多种气象要素再分析格点资料为基础,采用机器学习PCA方法对原始数据进行降维、浓缩,经归一化处理后构建出适于综合天气相似分析的样本衍生特征因子矩阵;然后使用KNN算法计算样本间各特征维度的相似距离、并结合方差贡献率赋予其相应的权重,最终按综合相似距离大小排序给出目标样本在历史天气形势库中的综合最相似序列,从而实现对传统相似天气预报方法的升级改进.对比分析和测试应用表明,该方法可提供多要素、多层次"立体"综合相似下的一致性结论,有助于预报员更好地理解天气系统结构和演变过程、进而更准确地研判可能发生的相关天气现象,在精细化气象预报服务方面有良好的应用前景.在2023年以来的几次广西区域性极端降水气象预报服务中,该方法取得了较为显著的应用效果.

关键词：数据驱动、相似距离、PCA降维、衍生特征、KNN

所属期刊栏目：52

分类号：P426.6(气象基本要素、大气现象)

资助基金：中国气象局揭榜挂帅项目;中国气象局气象能力提升联合研究专项

在线出版日期：2024-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：571-582