GRAPES-GFS模式2 m溫度預(yù)報的最優(yōu)時窗滑動訂正方法

何珊珊 藍(lán)盈 戚云楓

(廣西壯族自治區(qū)氣象臺，南寧 530022)

引言

近年來，數(shù)值天氣預(yù)報發(fā)展迅速，并憑借其客觀化、定量化的優(yōu)勢在天氣分析、精細(xì)化要素預(yù) 報等方面發(fā)揮了不可替代的作用。全球區(qū)域一體化同化預(yù)報系統(tǒng)GRAPES(Global/Regional Assimilation and Prediction System)自投入業(yè)務(wù)運行后，已經(jīng)成為全國天氣預(yù)報業(yè)務(wù)的主要參考之一。目前廣西區(qū)內(nèi)對于數(shù)值預(yù)報的檢驗評估、訂正方法研究和成果應(yīng)用等大多是基于ECWMF模式，針對GRAPES-GFS模式產(chǎn)品的分析應(yīng)用仍停留在主觀分析方面，對其系統(tǒng)性的檢驗評估和客觀訂正方法研究仍為空白。不論從支撐廣西智能網(wǎng)格氣象預(yù)報業(yè)務(wù)的需求出發(fā)，還是從為改進(jìn)GRAPES-GFS模式提供客觀依據(jù)的角度來看，加強GRAPES-GFS模式產(chǎn)品本地應(yīng)用，開展系統(tǒng)性定量化檢驗評估、研發(fā)和優(yōu)化產(chǎn)品釋用方案的工作都是非常必要的。

為了減少數(shù)值模式誤差、改進(jìn)數(shù)值預(yù)報，氣象工作者們提出了許多動力-統(tǒng)計相結(jié)合的釋用方法，例如統(tǒng)計-動力預(yù)報、模式輸出統(tǒng)計(Model Output Statistics，MOS)、線性回歸方法、非線性回歸方法和卡爾曼濾波等方法[1-6]。目前，在廣西氣溫預(yù)報本地釋用技術(shù)的現(xiàn)有研究中，多采用如MOS、神經(jīng)網(wǎng)絡(luò)、逐步回歸、卡爾曼濾波、模式距平積分訂正等方法[7-9]。滑動平均訂正法以簡單平均數(shù)法為基礎(chǔ)，通過對前期某一段時間(訓(xùn)練期)的預(yù)報誤差取算術(shù)平均，將其作為訂正量訂正當(dāng)前預(yù)報，達(dá)到消除模式系統(tǒng)誤差的目的。與其他訂正方法相比，滑動平均法計算量小，對歷史資料需求量小，具有更好的可操作性。但問題在于，滑動平均方法的訂正效果對時窗長度的選取有依賴性，必須選取合適時窗長度才能獲得合理的訂正方案。時窗長度過短，不能有效地消除隨機誤差；時窗長度過長，則可能會因為模式動力框架、參數(shù)化方案等原因?qū)е碌南到y(tǒng)誤差存在季節(jié)變化，使得訂正量的可用性降低。另一方面，數(shù)值天氣預(yù)報在短時效和長時效的系統(tǒng)誤差不同，相同的時窗長度不能適用于所有預(yù)報時效。當(dāng)前，廣西預(yù)報業(yè)務(wù)中應(yīng)用滑動訂正法時，通常采取固定時窗的方式，即對所有預(yù)報時效都采用相同的時窗長度，并且時窗長度的選取大多沒有經(jīng)過嚴(yán)格檢驗，帶有一定的主觀性。國內(nèi)眾多學(xué)者分析了滑動訂正法的效果，但采用的時窗長度不一。如王強等[10]利用1～5 d滑動平均法訂正了ECMWF對湖南懷化的最高氣溫預(yù)報，發(fā)現(xiàn)不同時窗滑動平均訂正的差異小，且方法操作簡便、簡單實用。王婧等[11]利用多種方法對GRAPES_RAFS模式2 m溫度偏差進(jìn)行訂正，指出采用15 d滑動時窗的滑動平均法可以有效減小模式預(yù)報誤差。盛春巖等[12]對幾種氣溫客觀預(yù)報方法進(jìn)行研究，指出通過10～30 d 的偏差滑動訂正可以提高ECMWF模式的預(yù)報準(zhǔn)確率。

為了解決上述問題，本文擬對GRAPES-GFS模式廣西區(qū)域地面2 m溫度預(yù)報進(jìn)行偏差分析，確定模式預(yù)報是否存在系統(tǒng)偏差，并進(jìn)一步通過活動時窗長度的方法，設(shè)計不同的滑動平均訂正方案，制定最優(yōu)時窗滑動訂正方案，以期獲得本地適用的GRAPES-GFS模式地面2 m溫度預(yù)報產(chǎn)品客觀訂正方法。

1 資料和方法

1.1 資料

本文使用的資料為2017—2018年GRAPES全球模式(GRAPES-GFS)的地面2 m溫度3～240 h時效預(yù)報(簡稱GRAPES-GFS溫度預(yù)報)和廣西區(qū)域自動站逐時氣溫觀測資料，其中，3～120 h時效內(nèi)為逐3 h間隔、120～168 h時效為逐6 h間隔、168～240 h時效為逐12 h間隔；廣西區(qū)域自動站逐時氣溫觀測資料來源于全國綜合氣象信息共享平臺(CIMISS)，所采用的廣西區(qū)域氣溫觀測站數(shù)據(jù)已經(jīng)過質(zhì)量控制(質(zhì)控碼為0、3、4)，站點總數(shù)為1700多個；分析區(qū)域選取為104.5°～112.0°E，21.125°～26.375°N，網(wǎng)格水平空間分辨率為0.25°×0.25°，站點分布見圖1。利用臨近法，站點實況插值到0.25°×0.25°網(wǎng)格點形成網(wǎng)格實況場，網(wǎng)格點取值為與其距離最近的站點有效數(shù)據(jù)。在季節(jié)的劃分上，本文分析的春季為3—5月、夏季為6—8月、秋季為9—11月、冬季為12月至次年2月。在樣本獨立原則下，本文以2017年模式預(yù)報為基礎(chǔ)，對比分析訂正后2018年四季的訂正效果。本文制定的最優(yōu)時窗滑動訂正方案于2021年1月開始投入廣西智能網(wǎng)格氣象預(yù)報業(yè)務(wù)應(yīng)用，前期積累了1年多的試驗運行數(shù)據(jù)。為驗證該方案的應(yīng)用效果，在本文最優(yōu)時窗訂正方案訂正效果分析部分，對比了該方案在2018年和2020年的訂正效果。

圖1 廣西區(qū)域氣溫自動觀測站分布

以往研究發(fā)現(xiàn)日最高溫度和最低溫度的預(yù)報誤差有顯著的差別，而08:00起報(北京時，下同)和20:00起報的最高溫和最低溫出現(xiàn)的預(yù)報時效通常是不同的。為了避免溫度日變化可能對檢驗結(jié)果造成的影響，將GRAPES-GFS溫度預(yù)報分為08:00起報和20:00起報2組分別檢驗。由于GRAPES-GFS溫度預(yù)報20:00起報場的偏差特征和訂正方法研究與08:00起報場基本一致，本文以模式20:00起報場的偏差分析和訂正為例進(jìn)行細(xì)致討論。

1.2 檢驗指標(biāo)及最優(yōu)判別依據(jù)

1.2.1 檢驗指標(biāo)

本文所用的誤差檢驗指標(biāo)有平均誤差ME(ME)，平均絕對誤差MAE(MAE)、均方根誤差RMSE(RMSE)以及預(yù)報偏差2 ℃以內(nèi)的準(zhǔn)確率ACC(ACC)：

其中，F(xiàn)表示預(yù)報值，O表示觀測值，i、j表示該值為第i個網(wǎng)格點在第j個時間的值，m為網(wǎng)格點總數(shù)，n為預(yù)報次數(shù)，Nr為報對次數(shù)、Nf為預(yù)報總次數(shù)。

ME反映了統(tǒng)計時段和檢驗區(qū)域內(nèi)預(yù)報偏差大小的整體情況，ME正偏差表示預(yù)報比實況偏大、負(fù)偏差表示預(yù)報比實況偏小。MAE反映了統(tǒng)計時段和檢驗區(qū)域內(nèi)預(yù)報值與實況的平均偏離程度，MAE越小表示預(yù)報越準(zhǔn)確。RMSE反映了誤差的離散程度，RMSE越小表示誤差的在時間和空間上的變化越小、預(yù)報越穩(wěn)定。ACC反映了預(yù)報誤差偏差2 ℃以內(nèi)的比例，ACC越大、預(yù)報正確率越高。就單個網(wǎng)格點而言，在統(tǒng)計時間段內(nèi)，MAE、RMSE有較好的一致性，MAE越大、RMSE越大，表示偏差幅度越大、預(yù)報穩(wěn)定性越差。

為評估訂正效果，本文定義一個訂正技巧指標(biāo)，即對于某個檢驗指標(biāo)，其訂正技巧指標(biāo)等于訂正前的檢驗指標(biāo)減去訂正后的指標(biāo)。例如，MAE的訂正技巧IMAE=訂正前的MAE-訂正后的MAE。若技巧IMAE為正，訂正后的MAE小于訂正前，即訂正后MAE減小，有訂正效果；若技巧IMAE為負(fù)，訂正后的MAE大于訂正前，訂正后MAE增大，無訂正效果。同理，IRMSE為正時，訂正后RMSE減小，有訂正效果；IACC為負(fù)時，訂正后ACC增大，有訂正效果，IACC越小(絕對值越大)，訂正效果越好。

1.2.2 最優(yōu)時窗判別依據(jù)

對于最優(yōu)時窗，本文制定最優(yōu)判別依據(jù)如下：在評估期(訓(xùn)練期)內(nèi)，IMAE非負(fù)的所有時窗中，以IMAE最大者為最優(yōu)滑動時窗；若時窗不唯一，則再考察IMAE最大時窗的IRMSE，以IRMSE最大的時窗為最優(yōu)；若時窗仍不唯一，進(jìn)一步考察IMAE最大且IRMSE最大時窗的IACC，以IACC最小的時窗為最優(yōu)。

2 模式2 m溫度預(yù)報偏差特征

為考察GRAPES-GFS模式2 m溫度預(yù)報性能，分季節(jié)計算20:00起報的各時效預(yù)報檢驗參數(shù)。由區(qū)域平均MAE和ME隨時效的變化(圖2)可見，對于GRAPES-GFS模式 20:00溫度預(yù)報(簡稱GFS20)，廣西區(qū)域的MAE在2 ℃左右，隨時效增加而波動式增大。整體而言，MAE及其隨時效而增大的幅度冬季最大、夏季最小，春秋季節(jié)介于兩者之間。在短中期時效(3～168 h，下同)內(nèi)，MAE具有明顯的日變化特征：日間MAE明顯大于夜間，最大出現(xiàn)在18 h、42 h、66 h、90 h、114 h、138 h、162 h時效，即14:00，峰值在2.5～3.5 ℃左右。夜間，MAE的谷值出現(xiàn)在3～9 h、27～33 h、51～57 h、75～81 h、99～105 h、126 h、150 h時效，對應(yīng)于23:00至次日05:00。從峰谷值的季節(jié)差異上看，MAE的峰值春季最大、夏季最小，兩者相差0.5 ℃左右；MAE的谷值冬季最大、夏季最小，兩者相差1 ℃左右。

圖2 2017—2018年GFS20的不同季節(jié)廣西區(qū)域平均的平均絕對誤差(折線，點虛線為逐12 h預(yù)報)及平均誤差(柱狀)(GFS20為GRAPES-GFS模式20：00溫度預(yù)報，下同)

相比而言，在全時效內(nèi)，廣西全區(qū)平均ME均為負(fù)偏差，在-1～0 ℃附近擺動，即溫度預(yù)報整體偏低，隨時效增加變化不大。在短中期時效內(nèi)，ME也有具有明顯的日變化特征，ME的最小值和最大值分別出現(xiàn)在午后和午夜到凌晨，分別在-2.5 ℃和-0.5 ℃左右，即預(yù)報偏低的幅度午后大于夜間。

另外，根據(jù)MAE和ME的相對大小，可以定性分析四季預(yù)報偏差中隨機誤差和系統(tǒng)誤差的相對大小。結(jié)合MAE的日變化特征可以發(fā)現(xiàn)，對午后氣溫，模式預(yù)報四季MAE在0.5 ℃以內(nèi)、季節(jié)差異不大，但冬季ME的偏差幅度明顯小于其他季節(jié)，可見午后氣溫預(yù)報偏差在冬季隨機性較大，在春夏秋季節(jié)則具有明顯的系統(tǒng)性。對凌晨氣溫，除了3～24 h時效內(nèi)MAE和ME對應(yīng)關(guān)系較好，預(yù)報偏差還具有一定的系統(tǒng)性以外，多數(shù)時效ME并沒有明顯的季節(jié)差異，但四季MAE之間差異十分明顯，預(yù)報偏差存在較大的隨機性。

分析全區(qū)平均的MAE、RMSE和ACC(圖略)發(fā)現(xiàn)，MAE和RMSE隨時效的增加而逐漸增大，ACC隨時效增加而減小，且季節(jié)差異及日變化特征具有很好的一致性：RMSE冬季最大、夏季最小，ACC冬季最小、夏季最大，MAE達(dá)到峰值(谷值)時，RMSE也達(dá)到峰值(谷值)，ACC為谷值(峰值)，表明當(dāng)預(yù)報偏差大(小)時，預(yù)報偏差在時間和空間上的差異較大(小)。

為進(jìn)一步了解預(yù)報偏差的空間分布特征，下面以最接近起報時的05:00(MAE谷值、ME最大值)和14:00(MAE峰值、ME最小值)氣溫預(yù)報為例進(jìn)行細(xì)致分析。圖3a～d為GFS20預(yù)報凌晨氣溫(05:00)的ME和MAE空間分布，黑點區(qū)為超過全區(qū)平均的MAE相對大值區(qū)。可見，除了沿海地區(qū)四季都出現(xiàn)了超過3 ℃的ME正偏差區(qū)、模式預(yù)報氣溫偏高外，廣西大部地區(qū)ME以負(fù)偏差為主，在-3～-1 ℃以內(nèi)。MAE和ME的大值區(qū)多出現(xiàn)在桂北山區(qū)、左右江河谷及沿海，上述地區(qū)預(yù)報偏差以系統(tǒng)偏差為主。對于午后氣溫(14:00，圖3e～h)，廣西大部ME四季均為負(fù)偏差、預(yù)報以偏低為主，ME的正偏差區(qū)只出現(xiàn)在來賓金秀(大瑤山)、玉林容縣(大容山)及防城港上思(十萬大山)等地。MAE和ME的大值區(qū)(系統(tǒng)性偏差區(qū))集中出現(xiàn)在桂北山區(qū)以及左右江河谷，其中在桂林、賀州、柳州北部、河池及百色等地ME可低至-3 ℃以下。

圖3 GFS20 9 h預(yù)報(次日05:00)(a～d)和18 h預(yù)報(次日14:00)(e～h)的四季平均誤差分布(黑點代表超過全區(qū)平均值的平均絕對誤差,單位：℃)

GFS20其他時效預(yù)報的午后和凌晨氣溫偏差的大值區(qū)分布與9 h和18 h基本一致，時效越長、偏差幅度越大。GFS08對起報日的次日05:00和當(dāng)日14:00溫度預(yù)報的偏差分布(圖略)與GFS20相似，ME偏低的幅度及MAE超過全區(qū)平均值的范圍較小，四季之間差異的情況與GFS20一致。

3 滑動訂正方案訂正效果分析

本文以1 d、2 d、3 d、4 d、5 d、10 d、15 d、30 d、60 d為基礎(chǔ)，根據(jù)訓(xùn)練期或時窗選擇方式的不同，制定2種滑動訂正方案：

(1)方案A：固定時窗訂正。即分別以各基礎(chǔ)時窗對所有時效進(jìn)行滑動平均訂正，沒有訓(xùn)練期，各訂正方式分別簡稱為1 d、2 d、3 d、4 d、5 d、10 d、15 d、30 d、60 d訂正。以此方案訂正3～240 h時效(3 h至10 d)預(yù)報產(chǎn)品，需要存儲的歷史資料長度最少10 d、最多70 d。

(2)方案B：季節(jié)最優(yōu)時窗訂正、月份最優(yōu)時窗訂正(分別簡稱為SN訂正、MO訂正)。訓(xùn)練期為2017-01-01至2017-12-31(1年)。即訂正前需判定訓(xùn)練期內(nèi)各季節(jié)(月份)的最優(yōu)時窗，訂正時則根據(jù)起報時所處的季節(jié)(月份)，選擇對應(yīng)的最優(yōu)時窗進(jìn)行訂正。本方案設(shè)計主要基于模式預(yù)報系統(tǒng)性誤差的季節(jié)特征或月際特征，與方案A相比，需要累積存儲訂正開始前至少1年的歷史預(yù)報和實況資料。

圖4為訂正前后2018年四季的預(yù)報準(zhǔn)確率ACC、圖5為訂正后2018年四季的各時窗平均絕對誤差訂正技巧IMAE。由圖可見，滑動時窗越長、訂正效果越好，訂正效果在15 d以后趨于穩(wěn)定，且春夏秋3季午后的訂正效果都好于夜間。冬季，GFS20預(yù)報ACC在50%左右，在3～24 h時效所有滑動訂正方式均有訂正效果，其余時效只有30 d訂正、 60 d訂正、SN訂正和MO訂正這4種方法具有訂正效果，但訂正效果十分有限，IMAE在0～0.5 ℃附近擺動，ACC提高5%～10%。夏季，各滑動訂正方式中，除短時窗1 d訂正外均有訂正效果。其中，方案A長時窗(≥15 d)訂正(15 d、30 d和60 d訂正)和方案B的訂正效果最佳，IMAE在0.5～1 ℃左右，隨時效增加沒有明顯變化，IACC約為-20%～-10%，滑動訂正能使夏季午后ACC提高到60%左右，夜間ACC提高到90%以上，這幾種訂正方式的效果比較接近。

圖4 訂正前(Origin)與訂正后的2018年冬季(a)、春季(b)、夏季(c)、秋季(d)的預(yù)報準(zhǔn)確率ACC(1 d、2 d、…、60 d為固定時窗訂正；SN為季節(jié)最優(yōu)時窗訂正；MO為月份最優(yōu)時窗訂正，下同)

圖5 訂正后的2018年冬季(a)、春季(b)、夏季(c)、秋季(d)的平均絕對誤差訂正技巧IMAE

春秋季節(jié)，滑動訂正效果介于夏季與冬季之間。除了秋季12～24 h時效的方案A短時窗訂正方案(1～5 d訂正)和MO訂正的效果較好外，春秋季多數(shù)時效的15～60 d訂正、SN訂正和MO訂正的效果最優(yōu)。其中，15～60 d訂正的訂正效果在春季稍好于SN訂正和MO訂正，但在秋季這幾種訂正方式的訂正效果相當(dāng)。

由上述分析可見，利用滑動訂正方案A和方案B，均可以不同程度地降低預(yù)報偏差。結(jié)合前述的預(yù)報偏差分析結(jié)果可知，在預(yù)報誤差以系統(tǒng)性為主的春夏秋三季，訂正效果最佳，滑動訂正效果在短中期時效有明顯的日變化特征、午后訂正技巧高于夜間。在多數(shù)時效中，滑動時窗越長、訂正效果越好，15～60 d訂正、SN訂正和MO訂正的訂正效果好于其它方案，SN訂正與MO訂正的訂正效果差異不大。

4 最優(yōu)滑動方案訂正效果分析

從上述分析可見，長時窗(15～60 d)訂正、SN訂正和MO訂正對GFS20多數(shù)時效預(yù)報有較好的訂正效果，但滑動時窗的最優(yōu)除了與滑動時窗的選擇有關(guān)，還和訓(xùn)練期、評估期的長短有密切關(guān)系，利用方案A和B中的任一訂正方式并不能穩(wěn)定地在所有時效、所有時段中獲得最優(yōu)的訂正效果。因此，為使滑動訂正效果穩(wěn)定，本文制定的最優(yōu)時窗滑動訂正方案，是在滑動時窗訂正方案A和B的基礎(chǔ)上，通過一段時間的訓(xùn)練(評估)，在訓(xùn)練期內(nèi)選定最優(yōu)時窗再用于實際訂正。在實際訂正中，訓(xùn)練期為每個起報時的前N天，訂正時所用的滑動時窗，為訓(xùn)練期N天內(nèi)評估挑選的最優(yōu)時窗。例如，若設(shè)置訓(xùn)練期為5 d，訂正前需對起報時前5 d內(nèi)的所有滑動訂正結(jié)果進(jìn)行評估，選擇訂正效果最優(yōu)的時窗作為當(dāng)前起報時的最優(yōu)訂正時窗。由于訓(xùn)練期的時間長度固定、時間不固定，此方案的最優(yōu)時窗是動態(tài)的。訓(xùn)練期長度N的確定，成為最優(yōu)時窗滑動訂正方案的關(guān)鍵環(huán)節(jié)。與訂正方案A和B相比，本方案需要存儲訓(xùn)練期內(nèi)所有滑動方案的訂正場，耗費一定存儲空間。

為了排除訓(xùn)練期長短對訂正效果的影響，尋找適用于GRAPES-GFS模式廣西本地2 m溫度預(yù)報的訓(xùn)練期，本文分別將N設(shè)置為1、5、10、15、30、60、90進(jìn)行考察(各訓(xùn)練期訂正分別簡稱為Dyn1、Dyn5、…、Dyn60、Dyn90訂正)，通過評估各訓(xùn)練期的訂正效果確定合適的訓(xùn)練期N。

從訂正后的IMAE(圖6)來看，最優(yōu)滑動方案訂正效果明顯，隨訓(xùn)練期延長，IMAE增大，訂正效果在30 d訓(xùn)練期后基本穩(wěn)定。除了短訓(xùn)練期(≤15 d)在冬季IMAE為負(fù)、沒有訂正效果以外，Dyn30、Dyn60、Dyn90訂正在四季均有訂正效果。從60 d訂正、SN訂正、MO訂正和Dyn30訂正在2018年全年的訂正效果(圖7a)來看，這4種訂正方式的訂正效果十分接近，IMAE相差不到0.1 ℃，ACC相差不到2%(表略)，60 d訂正在各時效中的表現(xiàn)最佳。但在業(yè)務(wù)運行的試驗階段(2020年，圖7b)，60 d訂正的效果最差，多數(shù)時效的IMAE為負(fù)、沒有訂正效果，SN訂正與MO訂正的效果幾乎一致，Dyn30訂正的效果最好。由此可見，實際訂正中采用30 d訓(xùn)練期的最優(yōu)滑動訂正方案(Dyn30訂正)，可以在不同滑動方案的基礎(chǔ)上穩(wěn)定地提高預(yù)報準(zhǔn)確率，達(dá)到最優(yōu)時窗滑動的目的。

圖6 經(jīng)過最優(yōu)時窗滑動訂正方案不同訓(xùn)練期訂正的2018年冬季(a)、春季(b)、夏季(c)、秋季(d)平均絕對誤差訂正技巧IMAE(Dyn1、Dyn5、…、Dyn90分別表示滑動時窗的訓(xùn)練期分別為1 d、5 d、…、90 d，下同)

圖7 經(jīng)過固定60 d訂正、SN訂正、MO訂正和Dyn30訂正的2018年(a)、2020年(b)平均絕對誤差訂正技巧IMAE

5 結(jié)論

本文通過GRAPES-GFS模式對廣西2 m溫度的預(yù)報偏差特征分析，確定了模式預(yù)報存在系統(tǒng)偏差的事實，并進(jìn)一步通過活動時窗長度的方法，設(shè)計不同的方案，制定最優(yōu)時窗滑動訂正方案，得到如下結(jié)論：

(1)GRAPES-GFS模式對廣西區(qū)域2 m溫度的預(yù)報系統(tǒng)性偏低，隨著時效增加，預(yù)報偏差增大。日間氣溫的預(yù)報偏差明顯大于夜間，午后氣溫的預(yù)報偏差在春夏秋3季以系統(tǒng)偏差為主、在冬季以隨機偏差為主，四季凌晨氣溫的預(yù)報偏差在多數(shù)時效有較大隨機性；在空間分布上，系統(tǒng)性偏差主要出現(xiàn)在桂北山區(qū)、左右江河谷及沿海。

(2)采用滑動平均的固定時窗訂正、季節(jié)最優(yōu)訂正和月份最優(yōu)訂正方案，可以不同程度地減少GRAPES-GFS模式的預(yù)報誤差、提高預(yù)報準(zhǔn)確率。在預(yù)報誤差以系統(tǒng)性為主的春夏秋3季，滑動訂正效果明顯好于冬季，午后訂正技巧高于夜間。與其他滑動方式相比，15～60 d訂正、季節(jié)最優(yōu)時窗訂正和月份最優(yōu)時窗訂正的效果最優(yōu)。

(3)所制定的最優(yōu)時窗滑動平均訂正方案建立在對訓(xùn)練期內(nèi)不同滑動訂正方式訂正效果評估的基礎(chǔ)上，它可以在不同滑動方案的基礎(chǔ)上穩(wěn)定地提高預(yù)報準(zhǔn)確率，達(dá)到最優(yōu)時窗滑動的目的。