[发明专利]一种用于中尺度模式CNOP求解识别观测敏感区的架构及方法

说明书

本发明涉及一种用于中尺度模式CNOP求解识别观测敏感区的架构及方法，属于计算机科学与大气科学交叉学科的研究领域，可用于求解中尺度模式CNOP以识别台风目标观测敏感区。本发明中的中尺度模式包括第五代中尺度模式(The Fifth‑Generation Mesoscale Model，MM5)与天气预报模式科研版(Advanced Research the Weather Research and Forecast，WRF‑ARW)，为避免使用MM5模式与WRF‑ARW模式的伴随模式，与现有技术相比，本发明设计并实现了四种基于主成分分析降维的并行化改进智能算法来优化求解CNOP，同时提供了CNOP数据后处理与分析脚本，实现对不同台风个例目标观测敏感区的有效识别。

技术领域

本发明涉及计算机科学与大气科学交叉学科的研究领域，可用于求解中尺度模式CNOP以识别台风目标观测敏感区，尤其是涉及一种用于中尺度模式CNOP(ConditionalNonlinear Optimal Perturbation，CNOP)求解识别观测敏感区的架构及方法。

背景技术

中尺度模式是天气现象可预报性研究的主要数值模式，条件非线性最优扰动方法是研究天气现象可预报性的有效方法。

一般求解CNOP的方法需要数值模式相应的伴随模式提供梯度信息，但不是所有的中尺度模式都开发了伴随模式，而且由于中尺度天气现象物理过程较为复杂，具有多种物理参数化方案，开发所有物理参数化的伴随模式需耗费巨大的人力物力，且存在由于物理过程的不可导、不可微导致伴随模式计算梯度信息错漏的现象。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于中尺度模式CNOP求解识别观测敏感区的架构及方法，本发明为实现中尺度模式CNOP的免伴随求解，识别台风目标观测敏感区，提高台风预报技巧，增强台风可预报性，需要设计一种不使用伴随模式来进行CNOP求解寻优的高效算法。智能算法作为一种对求解问题的连续性和可微性无要求的、具有先天并行性的算法能够实现免伴随的CNOP高效求解。

本发明的目的可以通过以下技术方案来实现：

一种用于中尺度模式CNOP求解识别观测敏感区的架构，其采用模块化框架结构，该系统包括前处理模块、智能数据处理方法模块、CNOP求解模块和后处理模块，其中，所述前处理模块包括第五代中尺度模式(The Fifth-Generation Mesoscale Model，MM5)和天气预报模式科研版(Advanced Research the Weather Research and Forecast，WRF-ARW)，所述第五代中尺度模式和所述天气预报模式科研版，均用于产生所述CNOP求解模块所需的基态场，所述智能数据处理方法模块，用于利用免伴随的、基于降维的智能数据处理方法求解CNOP，免伴随表示不需要使用中尺度模式的伴随模式提供梯度信息；基于降维是指利用主成分分析方法对中尺度模式产生的误差数据样本集进行降维，产生由特征向量组成的特征空间；在特征空间内利用改进的智能算法求解CNOP，所述CNOP求解模块，用于将所有与CNOP求解有关的主程序与子程序编译后整合到一个模块中运行，所述后处理模块，用于利用绘图软件提供绘图脚本。

进一步地，前处理模块根据中尺度模式的选择，有两套处理方法：对于MM5模式，所述的第五代中尺度模式，其输入包括由欧洲中期天气预报中心(European Centre forMedium-Range Weather Forecasts，ECMWF)提供的Surface与Pressure数据文件、经MM5V3中的TERRAIN、REGRID、INTERPF模块产生所选台风个例的初值文件和边界条件文件(BDYOUT_DOMAIN1、LOWBDY_DOMAIN1、MMINPUT_DOMAIN1)，其输出为所述CNOP求解模块所需的基态场。