一種提高風速預報精度的方法
【專利摘要】本發明提供一種提高風速預報精度的方法，包括步驟：A、依據風向、風能確定特征月份；B、依據各特征月份的歷史氣象數據，結合對特征月份進行WRF模式計算，確定WRF模式的主程序參數方案；C、依據所確定的主程序參數方案計算出預測風速，結合BP神經網絡進行修正，以得出風速預報。由上，通過選取特征月份，配置適合不同特征月份的最優物理參數化方案，并對所輸出的風速進行修正，以提高風速預報精度。
【專利說明】一種提高風速預報精度的方法
【技術領域】
[0001]本發明涉及天氣預報【技術領域】，特別涉及一種提高風速預報精度的方法。
【背景技術】
[0002]風功率預測準確的關鍵因素在于風速預報的準確性。目前，風功率預測的方法主要是由數值氣象預報輸出氣象要素，包含風速、風向、溫度、壓力、濕度，通過統計模型對數值氣象的結果進行訂正，從而輸出預報功率。這種方法主要依賴于統計模型的修正，并未對數值氣象預報結果從根本上進行數據挖掘。
[0003]數值氣象預報一般采用天氣預報模式(WRF, Weather Research and ForecastingMode)，對結果影響較大的參數化方案主要有微物理過程、輻射過程、近地面層方案、陸面過程方案、邊界層方案、積云參數化方案。
[0004]現有技術主要采用兩種方法配置物理參數化方案:第一種是配置一套經驗參數化方案。這種方法常適用于業務化預報方案，如每日天氣預報。但上述方案不適用于各類天氣系統，容易出現某日誤差較大的情況；
[0005]第二種是對個例研究，例如已公開文獻《不同云微物理參數化方案對舟曲/8.80暴雨過程模擬的影響》。但上述對個例的研究不能用于業務系統長期預報。

【發明內容】

[0006]本發明提供一種提高風速預報精度的方法，通過選取特征月份，配置適合不同特征月份的最優物理參數化方案，并對所輸出的風速進行修正，以提高風速預報精度。
[0007]本發明所提供的提高風速預報精度的方法包括步驟:
[0008]A、依據風向、風能確定特征月份；
[0009]B、依據各特征月份的歷史氣象數據，結合對特征月份進行WRF模式計算，確定WRF模式的主程序參數方案；
[0010]C、依據所確定的主程序參數方案計算出預測風速，結合BP神經網絡進行修正，以得出風速預報。
[0011]由上，通過選取特征月份，配置適合不同特征月份的最優物理參數化方案，并對所輸出的風速進行修正，以提高風速預報精度。
[0012]可選的，所述步驟B中包括:
[0013]B1:運行WRF模式前處理階段，建立預報區域的三維嵌套模型；
[0014]B2:分別采用主程序參數方案中所包含的參數變量對各特征月的歷史氣象數據進行日模擬計算，得出WRF模式預報的風速值；
[0015]B3:依據計算得出風速值的誤差大小，確定一定數量的備選參數方案。
[0016]由上，通過將所有參數進行WRF模式運算，以得出各參數方案的預測結果。
[0017]可選的，所述步驟B3中包括:
[0018]B31:對步驟B2所計算出的風速值進行誤差計算；[0019]B32:對誤差進行由小到大排序，以確定備選參數方案。
[0020]由上，通過誤差分析確定誤差最小的參數方案。
[0021]可選的，所述步驟B31中，采用均方根誤差算法
【權利要求】
1.一種提高風速預報精度的方法，其特征在于，包括步驟: A、依據風向、風能確定特征月份； B、依據各特征月份的歷史氣象數據，結合對特征月份進行WRF模式計算，確定WRF模式的主程序參數方案； C、依據所確定的主程序參數方案計算出預測風速，結合BP神經網絡進行修正，以得出風速預報。
2.根據權利要求1所述的提高風速預報精度的方法，其特征在于，所述步驟B中包括: B1:運行WRF模式前處理階段，建立預報區域的三維嵌套模型； B2:分別采用主程序參數方案中所包含的參數變量對各特征月的歷史氣象數據進行日模擬計算，得出WRF模式預報的風速值； B3:依據計算得出風速值的誤差大小，確定一定數量的備選參數方案。
3.根據權利要求2所述的提高風速預報精度的方法，其特征在于，所述步驟B3中包括: B31:對步驟B2所計算出的風速值進行誤差計算； B32:對誤差進行由小到大排序，以確定備選參數方案。
4.根據權利要求3所述的提高風速預報精度的方法，其特征在于，所述步驟B31中，采
用均方根誤差算法，
5.根據權利要求3所述的提高風速預報精度的方法，其特征在于，所述步驟B32中，對

特征月份風速值誤差的日平均值進行排序，平均值為
6.根據權利要求3所述的提高風速預報精度的方法，其特征在于，所述步驟Β32之后還包括步驟:依據步驟Β32中備選參數方案所計算出的特征月的風速日變化圖，與該特征月的實測風速日變化圖進行比較，剔除與實測風速日變化圖變化趨勢相悖的參數方案。
7.根據權利要求1所述的提高風速預報精度的方法，其特征在于，所述步驟A中包括: Al:將主導風向一致的月份進行歸類，確定預報區域的大風月、小風月和過渡月； Α2:確定大風月、小風月和過渡月中的特征月份。
8.根據權利要求7所述的提高風速預報精度的方法，其特征在于，所述步驟Α2中計算大風月、小風月和過度月中各月風速的標準差值，采用公式
9.根據權利要求7所述的提高風速預報精度的方法，其特征在于，所述步驟C中包括步驟:Cl:依據步驟B所確定的WRF模式主程序參數方案，選擇大風月、小風月和過度月至少累計6個月的歷史預報數據進行WRF模式計算，分別得出日風速值； C2:將所述日風速值作為輸入層，并將與其對應時間的實際日風速值作為輸出值，對BP神經網絡的隱含層進行訓練； C3:獲取未來24小時的天氣預報數據，針對不同月份，采用該月份所屬特征月份的參數方案進行WRF模式計算以預測風速，并將計算結果作為BP神經網絡的輸入層，經過隱含層計算，輸出修正風速。
10.根據權利要求1所述的提高風速預報精度的方法，其特征在于，所述主程序參數方案中包括:微物理過程、長波輻射、短波輻射、地表層、陸面層、行星邊界層和積云參數化。
【文檔編號】G06F17/30GK103793511SQ201410045468
【公開日】2014年5月14日 申請日期:2014年2月8日 優先權日:2014年2月8日
【發明者】陳欣, 韓明, 朱志成, 申燭, 孟凱鋒, 岳捷, 孫翰墨, 馬龍, 姜源 申請人:中能電力科技開發有限公司