融合人工智能气象模型的热带气旋路径集成预报技术研究
王璇
漆梁波
上海中心气象台,上海 200030
摘要：为提升西北太平洋热带气旋(tropical cyclone,TC)路径预报的集成效果,基于简单多模式平均(simple multi-model average,简记为"AVG")、选择性集合平均(selective ensemble average,简记为"SEAV")、选择性变权重集合平均(selective ensemble change-weighted average,简记为"SECW")3种集成方法,建立融合盘古、伏羲、风乌3个人工智能(artificial intelligence,AI)气象模型和数值天气预报(numerical weather prediction,NWP;包括确定性预报和集合预报)产品的6种集成方案,并对2023-2024年120 h以内的TC路径预报进行检验评估.结果表明:(1)单个AI模型的TC路径预报效果相对于NWP已有明显优势(长时效最显著).与欧洲中期天气预报中心集合平均的路径预报相比,风乌模型全面占优,另外2个模型24 h和48 h预报较差,72～120 h预报更优.与仅集成NWP的路径预报相比,风乌模型在24～72 h略差,96 h和120 h优势显著.(2)融合AI与NWP的路径集成预报结合了两种预报手段的优势,大幅优于ECMWF-EPS集合平均预报,整体优于单个AI模型和仅集成NWP的路径预报,同时在72 h内优于仅集成AI的路径预报,在96 h和120 h,仅集成AI的路径预报优势最显著.(3)与上海台风研究所的业务TC路径集成预报相比,文中3种融合集成方案增加了集合预报和AI模型成员,显著降低路径预报误差,增强预报稳定性,其中提出的选择性变权重平均集成方法表现最优.研究表明,AI模型在TC路径集成预报领域有着广阔的应用前景.
关键词：人工智能气象模型热带气旋路径预报多模式集成预报评估
分类号：P456(天气预报)
资助基金：上海市自然科学基金(21ZR1462700)
论文发表日期：2025-08-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1-9 )
英文信息