[发明专利]数值天气预报方法、装置、计算机存储介质及电子设备

权利要求书

1.一种数值天气预报方法，其特征在于，所述方法包括：

获取当前同化窗口的先验状态向量以及集合样本；

其中，所述同化窗口按照一定的时间间隔划分为若干个子时间窗口，所述先验状态向量以及集合样本在每个子时间窗口的初始时刻均增加一个整体误差校正项；

分别将所述先验状态向量和集合样本输入到观测算子，得到先验模拟观测结果和样本模拟观测结果；

构造整体校正的四维变分同化算法的代价函数，初始化整体误差校正项，将所述先验状态向量、集合样本、先验模拟观测结果、样本模拟观测结果以及获取的观测数据作为已知信息，通过极小化代价函数得到最终的整体误差校正项；

将最终的整体误差校正项加到所述先验状态向量，并进行模式积分，得到当前同化窗口的天气预报结果；

其中，所述整体校正的四维变分同化算法的代价函数l为：

其中，x'为整体误差校正项，Q_b为x'的协方差矩阵，为先验状态向量，为先验状态向量输入到观测算子H_k(·)得到的先验模拟观测结果，y_obs,k为观测数据，R_k为观测误差的协方差矩阵；

通过如下方法获取当前同化窗口的先验状态向量：

将同化窗口[t₀,t_S]按照时间间隔τ划分为(t_s-t₀)/τ个子时间窗口；

由覆盖待研究区域的再分析气象数据插值得到t₀时刻的背景场x_b,0；或者，对t₀时刻之前一段时间的背景场通过预报模型积分得到t₀时刻的背景场x_b,0；

利用数值预报模型M_k(·)、t₀时刻的背景场以及整体误差校正项进行如下背景模拟，得到同化窗口[t₀,t_S]内状态变量的背景模拟结果；

其中，M_k(·)为从t_k-1到t_k的数值预报模型，为数值预报模型M_k(·)的状态变量，当k＝t₀时，公式右侧的

所有状态变量的背景模拟结果组成所述先验状态向量；

通过如下方法获取当前同化窗口的集合样本：

获取历史样本，并对所述历史样本采用扰动状态变量的方法得到一组集合样本扰动P_x＝(x′₁，…，x′_N)；

利用数值预报模型M_k(·)、t₀时刻的背景场以及集合样本扰动进行如下集合模拟，得到同化窗口[t₀,t_S]内集合样本x_j,k的模拟结果；

其中，j＝1，2，…，N，当k＝t₀时，公式右侧的

所有集合样本x_j,k的模拟结果组成所述集合样本；

所述通过极小化代价函数得到最终的整体误差校正项，包括：

将初始化的整体误差校正项x'＝0、x'的协方差矩阵Q_b、先验状态向量先验模拟观测结果观测数据y_obs,k和观测误差的协方差矩阵R_k输入所述代价函数l；

将所述整体误差校正项x'表述为集合样本扰动P_x的线性组合x'＝P_xβ，其中，P_x＝(x′₁，…，x′_N)，β＝(β₁，…，β_N)为系数向量；

使用样本协方差矩阵代替x'的协方差矩阵Q_b；

将x'＝P_xβ和带入所述代价函数l，并进行等价变形，得到如下以β为新变量的代价函数：

其中，为x'＝0时的

对上述以β为新变量的代价函数进行数学变换成非线性最小二乘形式，并采用高斯-牛顿迭代算法进行求解，得到β，并根据x'＝P_xβ得到最终的整体误差校正项。