伍 清,李 英

（中国气象局成都高原气象研究所/高原与盆地暴雨灾害四川省重点实验室,成都 610072）

引言

四川省是一个多暴雨天气的省份，由暴雨引发的洪涝、滑坡泥石流等灾害，常对国民经济及人民生命财产造成重大损失，因此夏季防汛历来是四川省气象服务中的重要任务。由于四川地处青藏高原东麓，地形西高东低、山地环抱，形成了四川独特的区域大气环流特征，其暴雨突发性强、时空分布不均匀，如何准确预报四川地区暴雨一直是气象工作者长期探索的科学难题。数值预报模式是现代天气预报的“芯片”，它极大地提高了暴雨、高温等灾害性天气的预报能力。但由于受到模式初始场误差、模式参数化及同化方案差异、大气运动混沌特征[1]影响，以及当前对复杂地形降水发生发展机理的认识有限，使得数值模式预报不可避免地存在预报误差。近年来，诸多气象工作者致力于改善模式性能、对模式结果进行统计后处理来订正模式预报误差，以期提高模式预报能力。

目前在降水预报方面应用较多的统计后处理技术主要包括：利用统计方法对数值模式输出产品建立预报模型，得到客观的降水量，如模式输出统计方法（MOS）[2]、配料法[3]；单变量的非参数化后处理方法，如频率匹配法[4−9]、概率匹配平均法[10−12]、最优百分位法[13]等；单变量的参数化后处理方法，如逻辑回归[14]、贝叶斯模型平均方法[15]；此外，随着计算机技术的不断提升及海量气象资料的涌现，机器学习在集合预报后处理中得到广泛应用，如人工神经网络[16]、支持向量机[17]等方法。……