[01323173]数值天气预报产品智能释用技术

成果瞄准气象科技发展的国际前沿,围绕多时间尺度无缝隙智能网格预报中存在的难点问题,开展数值天气预报及其产品智能释用技术研究与应用工作,较早地生成了精细化智能网格预报产品,并显著提高了精细化预报的准确率,解决了无缝隙智能网格预报中存在的痛点和难点问题。主要创新成果如下： 1. 提出了多模式集成最优滑动训练期的确定方法以及多方案多模式智能集成预报方法 基于传统多模式集成固定训练期的最优选取方案,创新性地提出了滑动训练期超级集合预报方法,采用逐日滑动的最新训练期确定预报模型参数。此外,采用卡尔曼滤波技术,迭代运算使模式有效信息即时更新,有效提高了传统多模式集成预报的预报技巧。同时,构建了基于多种神经网络方法（如BP神经网络、卷积神经网络、长短期记忆人工神经网络等）的多模式集成预报模型,并加入地理信息等,进一步提高了气温、降水等要素的预报效果。 2. 构建了降水分级建模的降尺度预报与多模式集成预报新技术 构建了降水分级的数值天气预报产品释用模型,应用于降尺度预报与多模式集成预报中,改善了传统方法在降水预报中面临的小雨空报与大雨漏报问题。以贝叶斯模式平均BMA方法为例,传统BMA方法对小量级降水预报有一定的优化效果,但对强降水预报未能产生有效改进,团队提出分级雨量BMA预报方法,显著提升了强降水预报能力。 3. 创建了基于对象诊断评估MODE的多模式超级集合预报新思路和新技术 创新性地提出以MODE评估得到的空间型评分为基础设定模式权重的多模式降水超级集合预报新思路和新技术,改善了传统点对点预报评估方法中空报和漏报双重惩罚问题给降水多模式集成预报带来的偏差,有效改进了降水落区预报,明显优于基于点对点降水预报评估的超级集合预报。 团队基于上述国际先进、国内领先的多种数值天气预报产品智能释用技术,在《Monthly Weather Review》《Weather and Forecasting》《Journal of Meteorological Research》《大气科学》等期刊发表相关高水平学术论文70余篇,获批软件著作权20余项,在国内外学术会议报告数十次,在《中国气象报》等多个平台广泛传播,并推广应用于各级气象业务部门,显著提高了气温、降水等要素的预报技巧和服务水平,在青奥会、全运会等重大活动的气象服务保障中发挥了重要作用,助力相关地区的经济发展和生态文明建设,具有重要的理论意义与应用价值。