简介:研究了Lorenz非线性系统中使用的集合平均方法来减小计算误差的效果,通过检查5组数值试验(每组20个样本)的结果发现:集合平均对计算误差的减小和消除不如高精度算法有效,这主要体现在以下几方面:1)普通的算法和双精度的计算环境中,若截断误差是主导误差(当初值误差很小时),各集合的平均结果并不收敛于真值,而是收敛于含截断误差的数值解;2)若初值误差为主导时,系统受到初值误差增长规律的影响,数值解收敛于由初值误差主导的误差解;3)这两种误差量级接近的时候,两种误差都无法消除掉。对解的统计特征进行研究表明,可信的数值解与含计算误差的数值解有许多相似的地方,但是与集合平均的数值解有很大不同,同样说明了集合平均不适用于减小计算误差这样的问题。此外,试验结果表明即使数值解的概率分布形式基本正确,也不能保证数值解是正确的。
简介:以中国夏季气温为预测对象,选取东亚地区冬季500hPa高度场、海平面气压场、地表温度场和850hPa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-PreisendorferCanonicalCorrelationAnalysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(EnsembleCanonicalCorrelation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。
简介:利用宜春站风廓线雷达资料和区域自动站降水资料,对2014年6月19-22日江西省持续性暴雨天气过程进行了分析.结果发现:1)1-2.5km高度的西南急流增强或减弱与下游降水的增强或减弱有较好相关性,其中,较低层1-1.5km高度的西南急流增强与下游降水增强关系更为密切;-3.5km高度的西南急流增强且风速大于12m/s的较强急流向下层传递,与下游降水增强有较好对应关系,且对降水加强指示提前量约为2h.2)1km高度以下的水平风在垂直方向上的风切变(AV)增大为8m/s以上有利于下游降水增强,当AV为12-20m/s时,降水明显增强,且△V增大较降水增强提前1-3h;1km或0.7km高度以下△V的增大与下游降水的增强关系较为密切,而1km或0.7km高度以上△V增大与下游降水增强关系并不明显.3)指数M、J的大小与下游区域降水量总体呈正相关关系.当指数M、J增大至峰值,且急流指数脉动增强、频率增大时,下游区域降水也将出现峰值,且指数峰值出现较降水峰值提前1-3h.4)0.5-2.5km高度的暖平流增强,暖平流的厚度越大,且暖平流之上伴有冷平流加强,越有利于下游区域降水增强;km高度以下暖平流逐渐减弱,对应下游区域降水也逐渐减弱;km高度以下由冷平流控制,降水则减弱停止.