[发明专利]基于主要SVD模态建模的中国季节气候预测方法

摘要

本发明公开了一种基于主要SVD模态建模的中国季节气候预测方法，选择低纬向外放出长波辐射(OLR)和中高纬500hPa高度场作为预报因子变量，对中国降水和气温等进行季节气候预测。包括：计算它们的年际增量，通过奇异值分解(SVD)提取预报因子变量的主要SVD模态时间系数作为实际预报因子；利用多元线性回归构建气候统计预测模型，预测指定年份预报对象的年际增量，将其与前一年的观测距平相加，可得气候预测变量的季节异常。本发明采用的预报因子变量综合考虑了热带与热带外大气异常信号的影响，同时提取它们与预报对象关系最紧密的耦合模态作为预报因子，针对年际增量进行预测，避免了年代际变率的干扰，保证了季节气候预测效果更好、更稳定。

主权项

1.基于主要SVD模态建模的中国季节气候预测方法，其特征在于：包括以下步骤：(1)选取热带地区的向外放出长波辐射OLR和热带外中高纬500hPa高度场作为季节气候预报因子变量，分别计算预报因子变量和预报变量的年际增量；(2)分别对OLR和500hPa高度场年际增量与预报变量年际增量的协方差矩阵进行SVD分解，并根据分解得到的左场OLR和500hPa高度场特征向量计算相应的SVD模态时间系数，将其作为预报因子；(3)分别选取不同数目SVD模态对应的时间系数作为预报因子，利用多元线性回归方法，构建预报变量年际增量的多个统计预测模型；(4)利用历史资料进行历史季节气候回报，根据回报结果确定最优预报因子数目，形成最终的季节气候统计预测模型；(5)根据季节气候统计预测模型计算求得指定年份预报变量的年际增量，然后将其与预报变量前一年的观测距平相加，最后得到季节气候预测结果；所述步骤(3)中的统计预测模型为：其中，δP_fcst为预报变量的年际增量,和为对应的OLR和500hPa高度场第k个SVD模态的时间系数，和分别为与OLR和500hPa高度场相关的预报因子的权重,Nolr和Nhgt分别为构建气候统计预测模型所需要的OLR和500hPa高度场的模态数，x和t分别表示数据的空间和时间维；和满足如下公式：其中，δOLR和δH500分别是OLR和500hPa高度场的年际增量，表示平均值，和分别是OLR和500hPa高度场第k个SVD模态特征向量，Molr和Mhgt分别为相应的SVD模态总数。