风场预报是智能网格预报的重要支撑,提高风场预报准确率,能够为风能预报提供核心保障。在综合评估2023年汛期CMA-MESO 3 km(China Meteorological Administration Mesoscale Model at 3 km resolution)模式在山西逐小时10 m风预报能力...风场预报是智能网格预报的重要支撑,提高风场预报准确率,能够为风能预报提供核心保障。在综合评估2023年汛期CMA-MESO 3 km(China Meteorological Administration Mesoscale Model at 3 km resolution)模式在山西逐小时10 m风预报能力的基础上,基于自适应Kalman滤波方法,开展针对纬向风(U)、经向风(V)的客观订正,以期建立适应山西复杂地形特征的客观预报方案,促进国产模式本地化业务应用。结果表明:①全风速预报偏大,预报误差呈“单峰型”日变化,峰值出现在18:00-20:00,正偏差主要位于忻定和太原盆地以及山西南部。②U、V预报误差与预报值呈显著正相关,需考虑不同强度预报风速误差随时效变化的特征,避免订正不足或过订正。③Kalman滤波方案(KM)订正幅度小且不稳定,订正后均方根误差R MSE削减不足6%,准确率提升不足2%。④基于动态分级的改进方案(CBKM)突破KM订正瓶颈,更准确地估计系统误差并有效订正,更好再现不同地区风速日变化,平均误差M E趋近0,R MSE削减32.8%,风向、风速预报准确率分别提升8.29%、7.92%,峰值时刻订正率达83.49%。展开更多
文摘风场预报是智能网格预报的重要支撑,提高风场预报准确率,能够为风能预报提供核心保障。在综合评估2023年汛期CMA-MESO 3 km(China Meteorological Administration Mesoscale Model at 3 km resolution)模式在山西逐小时10 m风预报能力的基础上,基于自适应Kalman滤波方法,开展针对纬向风(U)、经向风(V)的客观订正,以期建立适应山西复杂地形特征的客观预报方案,促进国产模式本地化业务应用。结果表明:①全风速预报偏大,预报误差呈“单峰型”日变化,峰值出现在18:00-20:00,正偏差主要位于忻定和太原盆地以及山西南部。②U、V预报误差与预报值呈显著正相关,需考虑不同强度预报风速误差随时效变化的特征,避免订正不足或过订正。③Kalman滤波方案(KM)订正幅度小且不稳定,订正后均方根误差R MSE削减不足6%,准确率提升不足2%。④基于动态分级的改进方案(CBKM)突破KM订正瓶颈,更准确地估计系统误差并有效订正,更好再现不同地区风速日变化,平均误差M E趋近0,R MSE削减32.8%,风向、风速预报准确率分别提升8.29%、7.92%,峰值时刻订正率达83.49%。
