基於信噪分離的短期氣候預測方法研究

《基於信噪分離的短期氣候預測方法研究》是依託揚州大學，由萬仕全擔任項目負責人的面上項目。

基本介紹

• 中文名：基於信噪分離的短期氣候預測方法研究
• 項目類別：面上項目
• 項目負責人：萬仕全
• 依託單位：揚州大學

項目摘要

無論是耗散結構理論還是協同學理論，都證實了偶然過程與必然過程之間的密切聯繫及相互轉化，而非相互獨立。大氣運動的隨機性決定了氣候不是確定性運動，隨機力將使氣候在變化中不斷產生新的有序結構，並導致非平穩現象。因此，研究氣候的隨機強迫機制對提高預測精度十分重要。由於缺乏對氣候隨機力的認識，加上求解複雜模式的微分方程又十分困難，現有的氣候模型均難以模擬隨機動力學，這阻礙了預測精度的進一步提高。本項目擬通過另一種途徑研究隨機問題：首先對觀測資料中的確定性分量與隨機分量進行分離研究；其次採取區別對待的策略，著重分析隨機因子在確定性過程中的作用機制，研究兩者有機結合的有效方案。最後，建立隨機強迫的分布函式，研究在氣候模型中嵌入隨機作用機制的可能性，對比不同方案的優劣性。項目將在理想模型的基礎上開展一系列數值實驗，用演化算法和蒙特卡洛方法分析隨機分布規律，發展一套基於隨機強迫力的預測方法，以提高預測精度。

結題摘要

本項目提出了基於信噪分離的短期氣候預測理論，並對理論的可行性進行了研究與驗證。首先，項目研究了動力系統中外強迫噪聲的分離問題，發展了基於經驗模態（EMD）的噪聲分離方案，揭示了動力系統中的外強迫過程可以通過數學方法分離，也證明非線性系統在演化過程中受隨機強迫是十分普遍的物理現象。其次，利用DFA方法對被分離的動力系統各平穩變數進行分析，研究噪聲源與被分離分量之間的關係，確定信兆分離的有效閾值。然後，為構建數學模型需要，進一步發展了演化算法開展噪聲的建模方法，通過典型非線性動力系統（Rössler）的外強迫試驗完善了演化建模能力，並利用實際氣候資料（熱帶氣旋）驗證了建模的效果。最後，根據信兆分離方案及改進的演化算法，構建了與之匹配的預測理論模型。該思路除了可以避免噪聲強迫的影響，還能提高預測的針對性與穩定性。通過構建真實情形下複雜系統（ENSO）的預測模型，檢驗了這一預測思路是完全正確的。所建立的ENSO模型不但大大提高了預測的穩定性，而且延長了時效，實現了24個月的準確趨勢預測，效果令人滿意，驗證了方案的科學性與可行性。