摘要 基于歐洲中期天氣預(yù)報(bào)中心(the European Centre for Medium-Range Weather Forecasts，ECMWF)2015年2月8日—2016年12月31日中國(guó)華東及華南地區(qū)24～168 h預(yù)報(bào)時(shí)效的逐日24 h累積降水集合預(yù)報(bào)資料，利用前饋神經(jīng)網(wǎng)絡(luò)建立NN(Neutral Network)模型及NN-GI(Neutral Network-Geographic Information)模型進(jìn)行概率預(yù)報(bào)試驗(yàn)，并對(duì)兩個(gè)模型輸出的概率預(yù)報(bào)結(jié)果進(jìn)行評(píng)估。結(jié)果表明，經(jīng)NN模型和NN-GI模型訂正后，降水概率預(yù)報(bào)結(jié)果得到明顯改進(jìn)，在168 h預(yù)報(bào)時(shí)效時(shí)，降水概率預(yù)報(bào)的CRPS值與原始集合預(yù)報(bào)相比分別下降了約16.00%、21.27%。與NN模型相比，NN-GI模型由于考慮到各格點(diǎn)的地理信息差異，在區(qū)域內(nèi)預(yù)報(bào)技巧整體改進(jìn)更優(yōu)。這表明，在利用機(jī)器學(xué)習(xí)方法改進(jìn)降水預(yù)報(bào)時(shí)，在模型中加入各個(gè)格點(diǎn)的地理信息非常重要。

　　關(guān)鍵詞降水;概率預(yù)報(bào);神經(jīng)網(wǎng)絡(luò);地理信息;ECMWF集合預(yù)報(bào)

　　隨著人類活動(dòng)對(duì)氣候變化的影響日益顯著，暴雨等極端天氣事件頻發(fā)，對(duì)人民生命及財(cái)產(chǎn)安全造成重大影響，人們對(duì)降水預(yù)報(bào)準(zhǔn)確性的要求也越來越高。同時(shí)，準(zhǔn)確的降水預(yù)報(bào)是制定科學(xué)合理的政府決策的重要前提，也是人民生命財(cái)產(chǎn)安全的重要保證。因此，提高降水預(yù)報(bào)準(zhǔn)確性，減小預(yù)報(bào)誤差一直是氣象業(yè)務(wù)和科研工作的重點(diǎn)。但是，降水受到多種不同尺度天氣系統(tǒng)的共同作用，這使得降水相較于其他氣象要素，預(yù)報(bào)難度更大，是天氣預(yù)報(bào)和氣候預(yù)測(cè)中最具挑戰(zhàn)性的氣象要素之一。

　　由于大氣是一個(gè)高度非線性的混沌系統(tǒng)，誤差會(huì)隨著數(shù)值預(yù)報(bào)模式積分時(shí)間的增加而增加，從而導(dǎo)致預(yù)報(bào)的不確定性(Lorenz et al.，1965)。另外，數(shù)值預(yù)報(bào)模式在處理大氣中物理過程，如微物理過程、邊界層過程、陸面過程等，往往通過假設(shè)、近似、參數(shù)化等方法對(duì)這些作用進(jìn)行簡(jiǎn)化，從而對(duì)預(yù)報(bào)結(jié)果產(chǎn)生影響(Moghim and Bras，2017)。比如，云物理過程、積云對(duì)流參數(shù)化等方案就對(duì)降水預(yù)報(bào)，特別是由中尺度系統(tǒng)引起的暴雨預(yù)報(bào)產(chǎn)生重要影響(崔文君等，2016)。不同的參數(shù)化方案得到的云微物理特征相關(guān)變量存在較大差異，而多方案集成方法能夠有效地降低這種不確定性，使得模擬結(jié)果更加穩(wěn)定(智協(xié)飛等，2020a)。因此，近年來數(shù)值預(yù)報(bào)逐漸由確定性預(yù)報(bào)轉(zhuǎn)變?yōu)槎喑蓡T集合預(yù)報(bào)。與確定性預(yù)報(bào)相比，基于Epstein動(dòng)力隨機(jī)預(yù)報(bào)理論(Epstein，1969)和Leith蒙特卡羅預(yù)報(bào)法的集合預(yù)報(bào)(Leith，1974)能夠模擬大氣可能的變化，從而更加接近大氣的實(shí)際狀況。20世紀(jì)90年代后，隨著大規(guī)模并行計(jì)算機(jī)的發(fā)展，集合預(yù)報(bào)系統(tǒng)在美國(guó)國(guó)家環(huán)境中心(National Centers for Environmental Prediction，NCEP)和歐洲中期天氣預(yù)報(bào)中心投入業(yè)務(wù)運(yùn)行，隨后成為這兩個(gè)中心數(shù)值天氣預(yù)報(bào)的重要組成部分。

　　集合預(yù)報(bào)由于初值擾動(dòng)、模式設(shè)置等方面的原因，常存在一階系統(tǒng)偏差及二階離散度偏差(蘇翔和袁慧玲，2020)，所以對(duì)集合預(yù)報(bào)進(jìn)行評(píng)估及偏差訂正具有重要意義。國(guó)內(nèi)外學(xué)者嘗試采用多種方法對(duì)集合預(yù)報(bào)進(jìn)行后處理(Applequist et al.，2002;Hamill et al.，2004;張海鵬等，2020;智協(xié)飛和趙忱，2020)，從而提高預(yù)報(bào)的準(zhǔn)確性。智協(xié)飛等(2016)通過建立降水的分級(jí)回歸統(tǒng)計(jì)降尺度模型，獲得更加精細(xì)化的預(yù)報(bào)結(jié)果;王姝蘇等(2018)在此基礎(chǔ)上，采用Schaake Shuffle方法重建降水丟失的空間相關(guān)性和時(shí)間連續(xù)性，使之更接近實(shí)況觀測(cè)。智協(xié)飛和呂游(2019)將全國(guó)分為7個(gè)子區(qū)域，并分別用頻率匹配法進(jìn)行訂正，有效減少了降水預(yù)報(bào)的誤差。Ji et al.(2020)嘗試將基于對(duì)象的診斷方法(the Method for Object-based Diagnostic Evaluation，MODE)用于多模式集合預(yù)報(bào)，發(fā)現(xiàn)該方法能夠較好地保留降水的空間相關(guān)性，使降水落區(qū)更加完整。但是，這些方法僅得到一些確定性的預(yù)報(bào)結(jié)果，難以包含實(shí)際大氣可能發(fā)生的各種情況。對(duì)于降水而言，能夠定量計(jì)算不同量級(jí)降水出現(xiàn)的可能性大小，即采用概率預(yù)報(bào)，較傳統(tǒng)的確定性預(yù)報(bào)具有更大的應(yīng)用價(jià)值(林春澤等，2013)。

　　近年來，隨著計(jì)算機(jī)技術(shù)的發(fā)展及相關(guān)理論的完善，機(jī)器學(xué)習(xí)方法廣泛應(yīng)用于氣象領(lǐng)域中，如短時(shí)臨近預(yù)報(bào)(Shi et al.，2015;陳元昭等，2019)、空氣質(zhì)量預(yù)報(bào)(張庭玉，2018)、統(tǒng)計(jì)降尺度(任梅芳等，2018;商琪等，2020)、臺(tái)風(fēng)路徑分類(耿煥同等，2017)及云圖分類(韓丁等，2011;李林等，2015;胡凱等，2017)等方面。其中，神經(jīng)網(wǎng)絡(luò)模型可以從訓(xùn)練期的數(shù)據(jù)中，深入挖掘輸入數(shù)據(jù)和目標(biāo)數(shù)據(jù)之間的關(guān)系，從而對(duì)新的數(shù)據(jù)進(jìn)行分類、預(yù)測(cè)等處理。Liu and Racah(2016)利用卷積神經(jīng)網(wǎng)絡(luò)，對(duì)熱帶氣旋、大氣環(huán)流和鋒面現(xiàn)象進(jìn)行識(shí)別，準(zhǔn)確率達(dá)到99%、90%和89.4%。最近，智協(xié)飛等(2020b)和Peng et al.(2020)利用深度學(xué)習(xí)方法對(duì)地面氣溫進(jìn)行多模式集成預(yù)報(bào)，所得結(jié)果優(yōu)于傳統(tǒng)超級(jí)集合等線性統(tǒng)計(jì)后處理方法。陳昱文等(2020)使用Stacking方法將人工神經(jīng)網(wǎng)絡(luò)模型和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型進(jìn)行集成，建立ALS(ANN-LSTM-Stacking)模型，以均方根誤差為損失函數(shù)，對(duì)地面氣溫進(jìn)行偏差訂正，在氣溫預(yù)報(bào)誤差較大的區(qū)域和氣溫峰值預(yù)報(bào)有顯著的訂正效果。Rasp and Lerch(2018)針對(duì)德國(guó)地區(qū)2 m氣溫48 h預(yù)報(bào)，建立神經(jīng)網(wǎng)絡(luò)，得到其概率分布的均值及方差，從而求得其氣溫的概率分布。所得結(jié)果與EMOS方法相比，在連續(xù)分級(jí)概率評(píng)分上有較大改進(jìn)。目前基于神經(jīng)網(wǎng)絡(luò)的概率預(yù)報(bào)研究主要集中于氣溫等正態(tài)分布的氣象要素中，對(duì)于降水這種非正態(tài)分布的氣象要素研究較少。

　　推薦閱讀：建筑工程師期刊《地理信息世界》雜志投稿格式