报告题目

基于百余项环流因子的六安市汛期降水量预测模型初探

报告摘要

利用1960年以来六安市汛期降雨量数据和国家气候中心提供的百余项环流指数数据，先从统计意义上分析汛期降雨量异常的规律和时间变化特征，再初步建立六安市汛期降水预测模型。主要结论如下：

（1）汛期降水量接近常年的概率明显更大，降水较常年明显偏多或偏少时，偏少的概率更大，同时连续两年同时出现偏少或偏多2成以上的可能性很小，而降水显著偏多的年份易出现极端强降水。

（2）汛期降水量具有明显的波动特征，并没有固定周期，而是由大、中、小多种周期尺度相互嵌套，且存在四个较明显的波动能量聚集中心，依次为34年、54年、8年、15年的时间尺度，其中34年的年代际信号最强。

（3）选择1960-2009年作为训练样本，2010-2021年作为测试样本，利用多云线性回归、逐步回归、主成分逐步回归、BP神经网络四种方法初步建立预测模型，多云线性回归的预测效果最差，其他三种相差不大，主成分逐步回归方法最好，均方根误差RMSE达到171mm，降水误差为22%。

（4）与我市汛期降水密切相关的环流因子有三项，分别为去年5月北半球副高脊线位置指数、当年1月东亚槽强度指数、去年9月印度副高强度指数，且第一项影响最大，在以后汛期业务开展中需重点关注。

最亮点的一张成果图

利用上述19个与降水量相关性较好的气候因子作为自变量，降水量作为因变量，选取前50年（1960-2009年）作为训练样本，2010-2021年作为测试样本，初步建立预测模型，并验证预报效果。上图为测试样本的多元线性回归（a）、逐步回归（b）、主成分逐步回归（c）、BP神经网络（d）模拟结果。

总体来说，多云线性回归的预测效果最差，其他三种相差不大，主成分逐步回归方法最好，均方根误差RMSE达到171mm，降水误差为22%，BP神经网络存在太多不确定性，需要进行多次模拟。