鉴于大气系统的复杂性，实际的大气运动方程包含许多数学简化。这些简化的方程组虽能模拟大气运动的主要特征，但无法揭示天气演变的所有细节，这将导致数值模式的预报能力受到极大限制。只有完善大气运动方程本身的确定性框架，才能从根本上减少预报误差。若无其他手段的帮助，仅依靠推导方法获取大气运动过程中的所有微分表达式将十分困难。演化算法具有自适应、自组织特征，它能处理复杂的数学问题，可从观测资料所蕴含的丰富信息中挖掘系统的动力学。本文结合演化建模的智能算法，提出了一种数值模式的误差订正方案，并以一维典型混沌系统Logistic模型为例，探讨了误差订正方案的有效性。数值试验结果表明该方法对模式误差有较强的反演能力，值得进一步深入研究。
Numerical climate model is composed of the equations with much mathematical simplification due to the complex of atmospheric motion. The simplified equations only can describe main features of climate system, but not to reflect all the details in atmospheric cycles. So, the predictivity of current numerical model is limited always. However, with an adaptive and self-organizing ability, evolutionary algorithm can be used to deal with some complex mathematical problems and extract dynamical information of a dynamic system from the observations. On basis of the intelligent characteristics of evolutionary algorithm, a dynamical method for model error correcting has been presented in this paper. To a typical one-dimensional chaotic system-Logistic model, an error correction scheme is provided and tested. Numerical results show that the scheme can be used to correct model error; it has a potential application prospect, which is worth to be further researched.
[1]施能. 气象统计预报[M]. 北京: 气象出版社, 2009: 287.
[2]丑纪范. 短期气候预测的现状问题与出路 (一) [J]. 新疆气象, 2003, 26(1): 1-4.
[3]丑纪范. 短期气候预测的现状问题与出路 (二) [J]. 新疆气象, 2003, 26(2): 1-5.
[4]丑纪范. 数值天气预报的创新之路从初值问题到反问题[J]. 气象学报, 2007, 65(5): 673-682.
[5]陈伯民, 杨雅薇, 董广涛, 等. 区域气候模式RegCM_NCC 在华东地区的业务应用(Ⅰ): 2007/2008 年冬季业务预报及回报试验[J]. 高原气象, 2009, 28(B12): 22-31.
[6]卞建春, 杨培才. 关于大气过程可预报性问题的一些讨论[J]. 高原气象, 2003, 22(4): 315-323.
[7]顾震潮. 天气数值预报中过去资料的使用问题[J]. 气象学报, 1958, 29(3): 176-184.
[8]黄建平, 王绍武. 相似动力模式的季节预报试验[J]. 中国科学(B 辑), 1991, 21(2): 216-224.
[9]曾明剑, 陆维松, 梁信忠, 等. CWRF 模式对夏季降水的集合预报试验研究[J]. 高原气象, 2009, 28(6): 1218-1228.
[10]张冬峰, 高学杰, 白虎志, 等. RegCM3 模式对青藏高原地区气候的模拟[J]. 高原气象, 2005, 24(5): 714-720.
[11]丑纪范, 任宏利. 数值天气预报—另类途径的必要性和可行性[J]. 应用气象学报, 2006, 17(2): 240-244.
[12]Feddersen H, Navarra A, Ward M N. Reduction of model systematic error by statistical correction for dynamical seasonal predictions[J]. J Climate, 1999, 12(7): 1974-1989.
[13]Goddard L, Mason S J, Zebiak S E, et al. Current approaches to seasonal to interannual climate predictions[J]. Int J Climatol, 2001, 21(9): 1111-1120.
[14]李建平, 丁瑞强. 混沌系统单变量可预报性研究[J]. 大气科学, 2009, 33(3): 551-556.
[15]张世轩, 张璐, 孙树鹏, 等. 全球变暖情况下中国季节的变化[J]. 高原气象, 2011, 30 (3): 659-667.
[16]侯威, 章大全, 钱忠华, 等. 基于随机重排去趋势波动分析的极端高温事件研究及其综合指标的建立[J]. 高原气象, 2012, 31(2): 329-341.
[17]Qiu C J, Chou J F. A new approach to improve the numerical weather prediction[J]. Science in China(Series B), 1987, 31(9): 1132-1142.
[18]曹鸿兴. 大气运动的自忆性方程[J]. 中国科学(B 辑), 1993, 23(1): 104-112.
[19]曹鸿兴, 蒋维东. 自忆谱模式及其初步应用[J]. 大气科学, 1998, 22(1): 119-126.
[20]曹宏庆, 康立山. 动态系统的演化建模[J]. 计算机研究与发展, 1999, 36(8): 923-931.
[21]曹宏庆, 康立山. 高阶常微分方程的动态演化建模[J]. 武汉大学学报: 自然科学版, 2000, 46(1): 19-23.
[22]康立山, 曹宏庆. 常微分方程组的演化建模[J]. 计算机学报, 1999, 22(8): 871-876.
[23]Cao H, Kang L, Chen Y, et al. Evolutionary modeling of systems of ordinary differential equations with genetic programming[J]. Genetic Programming and Evolvable Machines, 2000, 1(4): 309-337.
[24]Back T, Hammel U, Schwefel H P. Evolutionary computation: Comments on the history and current state [J]. IEEE Transactions on Evolutionary Computation, 1997, 1(1): 3-17.
[25]Tsoulos I G, Lagaris I E. Solving differential equations with genetic programming[J]. Genetic Programming and Evolvable Machines, 2006, 7(1): 33-54.
[26]Holland J H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence[M]. Ann Arbor, MI: University of Michigan Press, 1975: 211.
[27]Verhulst P. Recherches mathématiques sur la loi d'accroissement de la population[J]. Nouveaux Mémoirs de l'Académie Royale des Sciences et des BellesLettres de Bruxelles, 1845, 18: 1-42.
[28]Ferreira C. Gene expression programming: A new adaptive algorithm for solving problems[J/OL]. Arxiv preprint cs/0102027. 2001.
