基本信息
- 项目名称：
- 基于信息熵确定集合数值预报初始场的探索和实现
- 来源：
- 第十一届“挑战杯”国赛作品
- 小类：
- 数理
- 大类：
- 自然科学类学术论文
- 简介：
- 为了得到数值预报最佳集合的初始场，并保证确定初始扰动场后所得到的气象要素的信息量仍然足够大，利用信息熵理论对问题进行了改进。在理论上分析了信息熵理论的可用性的基础上，利用最大熵原理定义了偏差概率概念对数据样本在信息熵理论的框架下进行处理，确定各扰动场的信息熵贡献。用信息熵贡献率大的扰动场作为扰动场进行集合预报。通过正压模式的试验,结果表明，信息熵贡献率为70%左右时预报效果优于控制预报和一般的集合预报。该方法具有算法简便，运算速度快、预报时效高的优点，对集合预报初始场的确定从而使得天气预报水平的提高有重要意义，便于在预报业务中推广。
- 详细介绍：
- 众所周知，天气预报技术对人们的生产生活都起到了极其重要的作用，小到老百姓的衣食住行大到北京奥运会的气象保障，随着人民生活水平的提高，天气预报也受到了越来越多人的关注。但是，由于大气系统的复杂性，天气预报是一个极具挑战性的课题。如2005年袭击美国的Katrina飓风，2008年中国南方的冰雪冻害等，天气预报都没有给出我们提供足够的准确信息，所以如何尽可能得预报出与真实天气情况接近的天气预报技术是每一个气象工作者的任务。 数值天气预报是目前预报天气中最为准确的一种方法，即在给定初始和边界条件下，通过数值方法求解大气运动方程组，从而由已知初始时刻的大气状态预报未来时刻的大气状态。这种方法由于其定量和客观性成为世界各国业务使用和发展的主要方法。数值预报的缺点在于对初值有高度的敏感性, 针对这一问题目前普遍的解决方案是尽可能多地给出的初始扰动, 从而对每个初值对应的预报结果进行集合，减少结果的不确定性，以提高预报的准确率。但是，问题的关键是初始扰动的生成，生成扰动场的方法较多，实际预报中，如何选取初始扰动场个数进行集合起着事半功倍的界定作用，初始场太多或太少都会对预报时效和预报精度产生影响，而目前尚无较好的定量确定的方法，本研究就是为解决这一问题展开的。 本文基于信息熵浓缩信息的理论，利用最大熵原理定义偏差概率的概念，建立衡量初始场信息熵的数学模型，为计算信息熵提供可能性。再对数据样本按照信息熵理论确定各扰动场的信息熵贡献，用信息熵贡献率大的部分扰动场代替原有的较多扰动场进行集合预报。通过敏感性试验与控制预报的对比，检验集合预报确定初始场的效果，以确定最佳方案。试验表明此方法对提高预报准确度有明显的改进作用。
作品图片
作品专业信息
撰写目的和基本思路
- 目的:在天气预报技术中引进一种全新的信息熵理论：在保证剔除某些初始扰动场后所得到的初始场仍然包含最大的信息量的前提下，利用信息熵确定初始场，是提高预报的准确性的新途径。 思路:基于信息熵浓缩信息的理论，利用最大熵原理定义偏差概率，建立衡量初始场信息熵的数学模型。再对数据样本按照信息熵理论确定各扰动场的信息熵贡献，用信息熵贡献率大的部分扰动场代替原有的较多扰动场进行集合预报。
科学性、先进性及独特之处
- 1、大胆引入信息科学中的最大熵原理，提高了对数值预报精度极为关键的初始场，为其预报准确性提供了一个有意义的新思路。 2、应用信息熵理论从复杂的数据空间提炼出数据所反映的实质，在数值预报中有着重要的应用价值。 3、在熵理论中重要的最大熵原理的基础上定义了偏差概率，从而简化了信息熵计算。 4、采用信息熵概念对数据进行度量。模型具有推广价值，可应用在实际预报业务过程中。
应用价值和现实意义
- 1．本作品提供的方法具有算法简便，运算速度快，节省计算机时的优点，符合预报的时效性要求，便于在气象预报业务中的应用和推广，对集合预报初始场的确定有重要意义，弥补了这方面的空白，对天气预报质量提高是一个有益的探索。 2．本模型通过对信息熵理论的应用，为解决时空数据处理的相关问题提供了新思路。
学术论文摘要
- 为了得到数值预报最佳集合的初始场，并保证确定初始扰动场后所得到的气象要素的信息量损失较小。在理论上分析了信息熵理论的可用性的基础上，本文提出了信息熵理论利用最大熵原理定义了偏差概率概念对数据样本在信息熵理论的处理，以确定各扰动场的信息熵贡献。用信息熵贡献率大的扰动场作为扰动场进行集合预报。 通过一个正压模式的运行试验,结果表明，信息熵贡献率为70%左右时预报效果优于控制预报和一般的集合预报。该方法具有算法简便，运算速度快、预报时效高的优点，对集合预报初始场的确定和天气预报水平的提高有重要意义，便于在预报业务中推广。
获奖情况
- 本作品获得第七届“挑战杯”甘肃省大学生课外学术科技作品竞赛特等奖：本研究受国家自然基金40875050的资助。
鉴定结果
- 本论文思路新颖，巧妙地利用了信息论中的信息熵理论，将其成功得应用到了大气科学中的数值天气预报技术中，为解决数值天气预报中初始场不确定的难题提供了新的途径，为提高天气预报的准确性做出了有意义的尝试。
参考文献
- [1]Lorenz EN. Deterministic non-periodic flow.Atmos. Sci.,1963,20:130-141. [2] Ming Cai, Eugenia Kalnay and Zoltan Toth.Bred vectors of the zebiak-cane model and their potential application to ENSO predictions. Journal of Climate,2003,16:0-56. 等28篇中英文文献
同类课题研究水平概述
- 1. 国内外集合预报的发展现状 集合预报从理论提出到业务化的实现，经过了二十多年的数值研究和试验。1963年，Lorenz发现了大气中的混沌现象，天气预报的不确定性引起了众多学者的兴趣。1969年，Epstein为解决数值天气预报对初始条件误差的敏感问题，首先在理论上提出了动力随机预报方法。1974年Leith提出了可实际应用的"Monte Carlo forecasting“预报概念,现在的集合预报正是基于此概念而发展起来的。 中国由于受计算条件的限制，集合产品还相对比较单一，且没有广泛的业务应用，目前仅中央气象台在用基于T106的10天中期形势场的集合预报产品。因此，集合产品解释应用方面还有很大的开发潜力。 2. 集合预报初始扰动产生的研究现状 早期的一些集合预报试验表明：在相空间随机采样不能很好地描述预报状态的真实分布。因此，初始扰动的产生成为集合预报中的一个核心问题。 初值集合产生扰动的方法有多种，最早采用的是Monte Carlo扰动法。1983年，Hofman和Kalnay提出时间滞后平均预报法。1993年，Toth和Kalnayll 提出的增长模繁殖法。美国NMC集合预报方案是基于BGM的综合扰动技术。ECMWFl8建立的集合预报系统，即所谓的奇异向量法(Singular vectors：SVs)。BGM和Svs是目前世界上普遍采用的两种初始扰动产生方法。 3. 集合成员个数的研究现状 对于集合预报中的集合成员个数问题目前是公认的影响预报效果的重要因素，但目前还没有较好的确定办法，多是根据经验来确定的，缺少定量标准。 集合成员个数问题是由Leith (1974)首先提出的,他讨论了对集合平均而言需要多少集合成员才能最大地改善预报精确度,通过一个简单的模型,他发现采用8个集合成员求平均已能完成集合平均对预报精确度改善量的主要部分。 实际经验认为对于一般天气现象来说 ,10 个左右的成员大致就够了。当然这主要是相对于集合平均预报而言;对于概率预报,成员数目可能要更多些。 由此看来，对于集合成员个数的问题目前多是基于统计意义上的经验确定的，不同的人研究得到不同的结果，缺少定量和理论依据。
