论文部分内容阅读
随着中国经济社会快速发展,公众、政府部门、各行业、各天气相关领域对气象预报提出了比传统气象预报更高的要求,分钟级天气预报产品成为重要的需求。分钟预报,除了指针对温度、降水、风速、能见度、相对湿度等高敏感度的气象要素进行空间上精细到社区和时间上精细到分钟级的预报,还包括对强降水、冰雹、龙卷、强风、雷电等强对流天气的分钟级预报,也包括对山洪、中小河流洪水、滑坡泥石流、森林大火等气象灾害的分钟级预报。传统气象统计和数值模式解释分析方法难以实现分钟级气象预报,本文介绍了中国气象局公共气象服务中心气象大数据和机器学习实验室利用机器学习技术建立降水和强对流天气的分钟级外推预报技术。针对气象要素和强对流天气的分钟级预报,涉及到3个方面的技术:1)气象大数据多源数据融合建模,由传统的单一数据源建模分析发展到天基、地基观测多源数据多视角融合建模分析,以晴雨估计为例,雷达、卫星和地面观测多视角融合提升晴雨估计准确性。2)气象要素关系挖掘与知识发现,由传统的基于物理因果关系发展为基于因子相关关系机器学习进行气象要素关系挖掘;以降雨量估计为例,综合考虑VPR廓线、地形和时空影响因子,提高估计准确性,提升了地性降雨、平流降雨以及对流降雨等描述能力。3)行业气象服务中的大数据挖掘,由传统的依靠观测站实况监测发展为依靠机器学习的智能预报和影响预报。以能见度监测与预报为例,依据机器学习时间序列建模实现能见度预测,结合高速公路路网信息,自动进行影响评估,从而提升交通行业中气象服务效果。目前我们的分钟预报包括以下5个方面的内容:1.分钟降水预报提出多视角融合建模、随机森林和线性链条件随机场结合时空建模、重采样集成回归建模、地形聚类等方法,用于雷达、卫星和地面观测信息融合降水预报,实现了全国范围内未来0-2小时逐分钟预报,1公里×1公里分辨率,每6分钟滚动更新,产品展示可参http://www.weather.com.cn/live/。2.降水相态识别提出重采样方法,并采用C4.5分类算法,对地面观测气象要素、数值模式预报气象要素、地理信息、城市环境信息等融合建模,实现了雨、雪、雨雪混合相态识别,识别准确率85%以上。3、快速循环地面气象要素融合采用KNN Barnes插值,以及重采样、梯度提升树回归、随机森林等分析方法,对地面观测气象要素、卫星观测数据以及DEM数据进行融合处理,实现了全国范围内0-1小时,1公里×1公里,逐10分钟时间间隔25个气象要素格点实况分析与外推预报。4、强对流天气识别采用图像特征提取方法,对雷达图像提取冰雹特征、出流边界、弓形回波等特征,结合机器学习方法,实现了0-30分钟冰雹、大风、暴雨等强对流天气识别和预报。5、能见度监测与预报采用深度神经网络方法,对地面观测和数值模式预报气象要素融合建模,实现了全国2500个站点能见度实况监测与0-48小时能见度预报。