跨季度预报的相似-动力方法研究

本项研究旨在探索利用现有大气环流模式进行相似-动力跨季度预报。相似-动力方法的核心思想是把预报场看成迭加在历史相似上的一个小扰动，用历史资料部分弥补动力模式本身的不确定性,从而减小预报误差。本项研究有两个特色和创新之处，第一个特色是不再需要重新建立一个包括各种物理过程的相似离差模式,而是在现有动力模式的基础上, 利用一个诊断模式将相似方法和动力模式有机的结合起来。这种处理的最大优点是：(1)可以应用到任何一个业务动力预报模式，(2)相似-动力预报的准确率会随着动力模式预报准确率的提高而进一步的提高，（3）充分利用了现有的数据和模式资源。本项研究的另一个特色就是利用神经网络理论进行相似过程的选取，并在相似过程的选取中将云和下垫面过程，以及ENSO和北大西洋涛动等作为重要的权重因子, 使相似过程的选取更加客观和准确。