《基於演化建模的氣候預測誤差訂正技術研究》是依託揚州大學，由萬仕全擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於演化建模的氣候預測誤差訂正技術研究
- 項目類別：青年科學基金項目
- 項目負責人：萬仕全
- 依託單位：揚州大學
項目摘要,結題摘要,
項目摘要
目前，短期氣候的預測水平遠不能滿足業務套用的需求,如何提高預測能力仍是前沿科學問題。統計方法和動力方法固有的缺陷使它們目前還無法獨立突破預報極限，統計-動力相結合成為重要的發展方向。項目以動力模型和統計模型為研究對象，通過已有預測模型與歷史觀測值再現誤差的動力過程,獲得模型誤差的一系列觀測樣本。這有別於單純從歷史觀測數據中提取誤差信息,它們更真實地刻畫了模型誤差的內在機制。鑒於傳統方法難以有效處理複雜非線性數據集,項目擬採用先進的演化技術對誤差樣本進行自動建模。演化技術模仿了複雜系統的自然進化機制，其智慧型仿生能力更適合處理氣候變化這樣複雜的非線性系統，建模過程的動力學意義更加明顯，所得誤差函式更穩定,時效更長。同時,包含動力過程和歷史統計信息的誤差函式對動力預測實現了統計訂正，對統計預測則是實現了動力訂正。項目研究將為實現統計-動力相結合提供新的方法,具有重要的套用前景。
結題摘要
本項目從當前氣候預測難題出發，研究了氣候數值模式誤差訂正的有關問題。 氣候是一個異常複雜的巨系統，氣候預測是科學難題,目前主要預測方法之一是數值動力模式。模式是一個描述系統各種變數的近似方程組，是包含許多潛在誤差的數學框架。產生誤差的原因主要是模式結構誤差和參數誤差。當人們無法通過先驗知識確定這些複雜結構和參數配置時，便有誤差存在的可能。雖然修正誤差可以利用大量的觀測資料進行，但由於氣候模式通常很複雜，變數組合及資料運算量十分龐大，因此人工干預的方式難以獲取系統的有用信息。本項目利用演化算法開展數值模式的誤差研究，旨在發展一種高效的智慧型訂正方案，利用不同類型的動力系統模擬氣候模式的誤差分布，探索自動最佳化技術，提高預測能力。項目利用一維動力方程(Logisitic)和三維動力方程（Lorenz/Rossler）開展了不同情形下誤差訂正的實現方法。對於一維動力系統，訂正誤差最簡單，建模相對容易；對於多維動力系統，單個分量的誤差建模與一維情形基本類似，建模效果也不錯，但建模運算工作量較大。尤其是單個分量所帶來的誤差，可以通過最佳化其它方程分量來實現該系統的全局誤差訂正。這在人們不了解氣候模式誤差所產生的位置時，該特點對自動最佳化模式結構非常有用；另一種複雜的情形是在多維方程組每個分量設定誤差強迫項，利用演化算法同時對每個分量的誤差進行誤差建模。此類型相對要複雜，計算量更大。這三方面的實驗表明，對於複雜且不完善的氣候模式，通過觀測資料加以最佳化其結構是完全可行的。由於演化建模過程比較靈活，項目還利用觀測資料直接建立動力方程，考察演化技術的建模效率。對一維觀測資料的試驗表明，所建立的動力方程預測能力有較高的穩定性,這為氣候預測誤差訂正提供了更多途徑。
