贝叶斯模型平均及其在北京降雨预报中的一个应用  

Bayesian model averaging and application to accumulated precipitation in Beijing

作　　者：段小刚[1] 曹伟华[2] 

机构地区：[1]北京师范大学统计学院,北京100875 [2]中国气象局北京城市气象研究所,北京100089

出　　处：《北京师范大学学报（自然科学版）》2016年第2期134-138,共5页Journal of Beijing Normal University(Natural Science)

基　　金：教育部博士点基金资助项目(273935);北京师范大学自主基金资助项目(310421102);北京市自然科学基金资助项目(8144046)

摘　　要：贝叶斯模型平均(Bayesian Model Averaging:BMA)是动态建模中融合集合预报信息的一种重要统计后处理方法.本文首先系统论述了BMA的建模分析过程,包括模型架构、参数估计方法、训练期的选择准则以及典型预报分布的抽样原理.然后,结合北京市2011年5—8月份逐日累积降雨量实例,我们详细描述了BMA的实现过程.实例分析结果表明,BMA统计后处理,无论是精度还是校准度,相对于原始集合预报都有优势.Bayesian Model Averaging（BMA）is an important tool for statistical postprocessing forecast ensembles in dynamical modeling.First,BMA is introduced,including basic models,parameter estimation,and criteria for choosing days of training period and sampling from typical forecast distributions.Detailed discussions are then made about its implementation to the data of daily accumulative precipitation in Beijing from May 2to August 31,2011.It is suggested that BMA statistical postprocessing is superior to raw ensemble forecasts both in terms of accuracy and calibration.

关 键 词：集合预报 统计后处理 混合模型 EM算法 抽样分布 累积降雨量 

分 类 号：O212.8[理学—概率论与数理统计]