基于EOF＿AP聚类模型的京津冀冬季强降水中期预报技术研究

摘要

基于欧洲中期天气预报中心（ECMWF）集合模式降水预报资料，采用EOF分解及近邻传播聚类（Affinity Propagation Clustering）建立了EOF＿AP聚类模型，针对2019—2021年冬季京津冀地区3次冬季强降水天气过程开展中期时效预报特征识别及归类研究，结果表明：（1）EOF＿AP聚类模型的聚类效果较好，能够较好地识别京津冀地区冬季强降水过程集合模式累计降水量预报的主要类型及其发生概率，可提取出极端降水预报低发生概率等的类型，聚类可信度较高；（2）ECMWF集合模式对京津冀地区冬季极端强降水过程有一定预报能力，可提前约168 h即开始稳定出现少量成员能够预报出接近实况的极端降水预报类型，提前72 h左右，模式预报存在转折，成员数开始显著增加；（3）集合模式对于降水落区的可预报性高于降水强度，表现在预报效果好的成员数更多，预报时效更长。

关键词

EOF＿AP聚类 / 京津冀 / 冬季强降水 / 集合模式 / 中期预报