Kalman滤波技术在海表温度预测中的应用

作者：吉进喜  张立凤  郭渊

单位：解放军理工大学气象学院, 江苏, 南京, 211101

关键词：EOF分解 AR模型 Kalman滤波 SST预测

分类号：论文

出版年·卷·期（页码）：2010·2010·第三期（59-65）

摘要：

以EOF分解方法为基础,把AR模型和Kalman滤波方法相结合,建立了海表温度的预报模型。首先对历史时间序列资料进行EOF分解,在此基础上,利用时间权重系数建立AR(2)模型,并对此模型参数进行了改进,作为Kalman滤波的状态方程。然后用Kalman滤波方法对时间权重系数进行了滤波预测,并引入集合预报的思想对SST预测结果进行了重构,并与实况资料进行了相关性分析。以太平洋、印度洋、大西洋三大洋的热带海域为个例进行了预测试验。试验结果表明,预测效果较好,相关系数平均达到了98%以上,而残差方差在0.5以内。

Based on the EOF decomposition,combining the AR model and the Kalman filtering method,a sea surface temperature prediction model is established.First,the time-serials of historical sst is decomposed by EOF,on the basis of which,AR(2) model is fitted from the time weighting Coefficient as the state equation in the Kalman filtering.Then the filtering and prediction of the time Coefficient are done by Kalman filtering method,in the process of which,the idea of ensemble prediction is introduced.In the end,the future sst is reconstructed.On the same time,correlation and root-mean-square error is analyzed.Three tests are done in the areas: tropical Pacific,tropical Atlantic,tropical Indian Ocean.The results show a good prediction effect,and the mean correlation coefficient is more than 98%.

参考文献：

[1] Zhang Caiyun,Chen Ge,A global analysis of multi-mode sea surface temperature pattern[J] ,Acta Oceanologica Sinica,2007,26(1):12-22. [2] 徐建军,王东晓.印度洋-太平洋SST的年际、年代际异常及其对亚洲季风的影响[J] ,海洋学报,2000,20(3):34-43. [3] 董兆俊,滕军等.基于相空间重构与模糊神经网络耦合的SST预测模型[J] ,热带海洋学报,2008,27(4):73-76. [4] Aiming Wu,William W.Hsieh,Benyang Tang.Neural network forecasts of the tropical Pacific sea surface temperatures[J].Neural Networks,2006,19:145-154. [5] 侯瑞科.平稳时间序列分析在海温预报中的应用[J].海洋预报,1996,13(1):41-45. [6] 刘科峰,张韧等.EOF分解与Kalman滤波相结合的副高位势场数值预报优化[J].解放军理工大学学报(自然科学版),2006,7(3):291-296. [7] 黄嘉佑.气象统计与预报方法[M].北京,气象出版社,2004:121-141. [8] 范剑青,姚琦伟著.非线性时间序列-建模、预报及应用[M].高等教育出版社,2005:8-19. [9] Eugenia Kalnay.大气模式、资料同化和可预撤性[M].北京,气象出版社,2005:190-222.

服务与反馈：

【文章下载】【发表评论】【查看评论】【加入收藏】