下载文档原格式
涡旋自组织现象在上海一次暴雨预报中的应用漆梁波;曹晓岗;张吉;马革兰;余晖【摘要】根据涡旋自组织理论的研究成果,通过对天气背景以及卫星、雷达等资料的分析发现,在2008年8月25日早晨上海地区发生的一场雨强为百年未遇的强雷电和大暴雨天气过程中,确实存在着涡旋自组织现象.地面中低压的发展与中小尺度涡旋的组织、合并关系密切,而中低压的发展导致了剧烈而集中的降水发生,进而造成了上海地区的这场特大暴雨.此外,详细阐述了在业务预报中预报员如何应用涡旋自组织理论的相关成果来改进和提高暴雨预报的时效和准确度,显示该理论在业务应用中具有广阔前景.【期刊名称】《大气科学学报》【年(卷),期】2011(034)001【总页数】6页(P52-57)【关键词】涡旋自组织;暴雨预报;中小尺度涡旋【作者】漆梁波;曹晓岗;张吉;马革兰;余晖【作者单位】上海中心气象台,上海,200030;上海中心气象台,上海,200030;上海中心气象台,上海,200030;南京信息工程大学,江苏,南京,210044;中国气象局上海台风研究所,上海,200030;中国气象局,台风预报技术重点开放实验室,上海,200030【正文语种】中文【中图分类】P457.60 引言近年来,在强非线性的框架内,不同尺度涡旋之间强耦合的问题,已有一系列的结果给出(Montgomery and Kallenbach,1997;周嘉陵等,2006;周秀骥等,2006;Luo and Liu,2006a,2006b;Ping et al.,2006;罗哲贤和李春虎,2007;Luo,2007;Luo and Liu,2007;Ping and Luo,2007)。
在台风相关研究领域,涡旋相互作用的动力学研究也在广泛开展(Enagonio and Montgomery,2001;罗哲贤,2005;Ping etal.,2008;Yu et al.,2010)。
相关研究(Enagonio andMontgomery,2001;漆梁波,2002;罗哲贤,2005;漆梁波等,2006;Ping et al.,2008;Yu et al.,2010)表明:中尺度暴雨云团的生成和消散,与更小尺度(20～40 km)的云团合并有着非常密切的联系。
Mar.2020NO.3VOL.302020年3月第3期第30卷上海长江口风暴潮数值预报模型实例研究肖梦睫孙丽潘崇伦（上海市水务信息中心，上海200050）摘要：风暴潮是一种灾害性的自然现象。
为了有效提高风暴潮数值预报精度，以上海长江口沿海为研究对象，构建了长江口风暴潮数值预报模型。
该模型能够模拟风暴潮与天文潮等多重因素作用下潮水位过程变化。
为了验证模型，选取201718号超强台风“泰利”作为典型案例，并对该场台风过程引起的风暴增水进行了跟踪预报。
经验证，台风“泰利”的中心位置距上海沿岸400km 以外，未造成超过1.00m 的风暴增水；且预报潮位精度良好，能够满足风暴潮预报要求。
关键词：风暴潮；长江口；数值预报；增水；预报精度中图法分类号：TV877文章标识码：B文章编号：1673-9264（2020）03-22-05DOI:10.16867/j.issn.1673-9264.2019062肖梦睫，孙丽，潘崇伦.上海长江口风暴潮数值预报模型实例研究[J].中国防汛抗旱，2020，30（3）：22-26.XIAO Mengjie ，SUN Li ，PAN Chonglun.A case study of the numerical model of storm surge in Shanghai coastal area[J].China Flood &Drought Management ，2020，30（3）：22-26.（in Chinese ）收稿日期：2019-03-22第一作者信息：肖梦睫，女，工程师，E-mail：1225501772@。
0引言风暴潮是由于强烈的大气扰动带来的强风和气压骤变导致的海面异常升降的现象。
有两种成因导致上海及长江口水域发生风暴潮：一是夏季时，来自东南沿海的热带气旋导致某些岸段出现台风暴潮；二是冬春季节，来自北方的温带气旋（寒潮）入侵我国，也会在长江口沿岸引发寒潮风暴潮。
GIS在上海市防汛风险信息系统中的应用上海市防汛信息中心胡传廉上海城市地理信息系统发展有限公司庄雅平上海四通摩天计算机系统工程公司张乾乾奚卫红张琼摘要：防汛风险分析与辅助决策系统的建设是一项内容复杂、涉及面广、难度很大的工作，但却关系到社会的稳定和人们生命财产安全，所以是一件很有意义的事。
地理信息系统（GIS）及相关技术因其强大的信息综合能力和地理空间特性在上述领域已经得到了的重视。
经过短短一年多时间的探索和努力，我们在GIS信息的收集、建库与应用开发，以及城市暴雨积水模型计算、实时系统与GIS系统的连接等方面进行了有益的尝试，并已基本建成上海市防汛风险信息系统的框架，取得了阶段性的成果。
本文将介绍上海市防汛风险信息系统的结构、特点和功能。
关键词：防汛风险分析、辅助决策、地理信息系统、计算模型。
一、前言上海市沿江靠海、地势低平、河网密布，受特定地理环境和气候因素的影响，自然灾害频繁，防汛情况比较复杂。
每年汛期，尤其是主汛期，都要不同程度地遭受热带气旋（台风）、高潮位、暴雨和洪涝的袭击，有些年份甚至并发“三碰头”或“四碰头”的严重灾害。
上海市防汛任务极为繁重，防汛工作尤显迫切。
防汛指挥决策涉及地理环境、社会经济与工程技术等多个方面，信息量大，突发情况多，决策过程非常的短暂，因此对信息的处理能力和反应速度要求很高。
GIS地理信息技术在决策支持方面的作用已经得到了社会的普遍认可，怎样在现有信息资源基础上，充分利用地理信息技术，建立防汛风险信息系统，提高防汛决策指挥过程的及时性、科学性，避免决策失误等，逐渐提到了上海防汛工作的日程上来。
上海市防汛指挥部办公室是全国防洪风险图的试点单位，根据国家防总要求，并结合上海的实际情况，直接从实时性和实用性出发，遵循“统一规划、分步实施”的原则，计划用两年的时间，建立上海防汛风险信息系统。
防汛信息中心承担了该项工作的组织与管理工作，系统总集成、GIS建库及应用系统开发工作由上海城市地理信息系统发展有限公司与上海四通摩天计算机系统工程公司承担。
上海地区三类主要暴雨天气的云微物理和边界层敏感性模拟探究暴雨天气是上海地区常见的极端天气事件之一，给城市生活和交通带来诸多困扰和风险。
为了更好地理解和猜测暴雨天气的形成机制，保障城市的防灾减灾工作，科学家们对上海地区三种主要暴雨天气的云微物理和边界层敏感性进行了模拟探究。
起首，我们来看一下三种主要暴雨天气类型。
第一类是锋面型暴雨，主要受到冷锋、暖锋和浓雾锋的影响。
冷锋暴雨常见于冬季，气温骤降，大规模的云团融合产生持续降水；暖锋暴雨则多出此刻春季，冷暖交汇的地方容易形成云团，产生短时强降水；浓雾锋暴雨则多在夏季，锋面激活了潜在不稳定的大气层，导致一系列的云团形成，从而引发强降水。
第二类是台风暴雨，上海地区近海屡屡有台风影响，产生大范围的暴雨。
台风中心引导着强大的水蒸气输送，与地形碰撞产生降水。
在靠拢台风中心的地方，云层高云顶温度低，垂直云结构明显，导致大范围的暴雨。
第三类是对流暴雨，多发生在夏季热带气旋或对流天气的影响下。
强热浮力和较强的垂直风切变，以及地形对气流的影响，导致对流性云团的形成和进步，出现强降水。
对流暴雨的特点是短时间强降水、局地性和不规则分布。
为了模拟上述三类主要暴雨天气的云微物理和边界层敏感性，科学家接受了先进的数值模式和模拟技术，并对上海地区的地形、大气环流、水汽输送等因素进行了详尽的观测和分析。
在锋面型暴雨的模拟探究中，科学家们发现冷锋、暖锋和浓雾锋对上海暴雨的影响有所不同。
冷锋暴雨主要受到锋面周边冷空气的影响，冷空气的抬升作用使云团形成和降水增强；暖锋暴雨则主要受到暖锋带动的地面湿空气的影响，暖湿空气的上升使云层逐渐增厚；浓雾锋暴雨则主要受到湿空气和冷空气的互相作用，湿空气的饱和和冷空气的降温共同促使云团的进步和增强。
在台风暴雨的模拟探究中，科学家们发现台风的路径、强度和移速都是影响暴雨分布的重要因素。
台风中心周边水汽释放量大，湿度高，大范围的云团形成，产生暴雨。
而在台风的东南象限和西南象限，由于受到台风强风的影响，湿空气被压缩，降水相对较少。
沿海台风风暴潮灾害复合情景模拟与应急避难研究-以上海为例【摘要】：全球突发性自然-人为复合灾害事件日渐频繁,造成严重的生态环境破坏和人员伤亡,如何构建科学合理的防灾减灾体系已成为全球、国家和区域可持续发展进程中共同面临的科学难题。
沿海地区因人口聚集、经济发达和气象灾害频发成为当前防灾减灾的重点区域。
区域海平面的上升,叠加城市化过程中负面因素的干扰,促使沿海地区孕灾环境的加速演变,承灾系统抗灾能力下降。
在监测预警技术和应急响应能力仍滞后的背景下,加强灾害情景模拟、风险评估与应急响应的集成研究将有助于沿海地区科学有效地应对各类突发性灾害事件。
在国家自然科学基金重点项目“沿海城市自然灾害风险应急预案情景分析(40730526)”、“中国沿海城市自然灾害风险评估体系研究(40571006)”和上海市科技启明星计划项目“基于情景分析的上海市自然灾害风险评估与区划研究(09QA1401800)”、华东师范大学优秀博士培养基金(No.2010033)等科研项目的支撑下,本论文紧密结合沿海地区应对极端台风风暴潮灾害的迫切需求,基于区域台风风暴潮灾害风险系统的驱动力-压力-状态-响应(DPSR)作用机制,提出构建集灾害复合情景模拟、灾害风险区划与预警、应急疏散模拟为一体的防灾应急避难理论与方法体系,并以上海为例开展实证研究。
研究成果旨在为上海等沿海城市防灾应急疏散预案编制提供理论和技术支撑。
本论文主要从以下方面开展理论与实证研究：首先,从城市系统动力学角度,提出并构建沿海城市台风风暴潮灾害风险系统的D-P-S-R理论研究模式,即以台风-风暴潮等致灾因子为驱动力(D),分析海平面上升、地面沉降和冲淤变化等环境演变压力(P)背景下承灾体的风险状态(S),从风险区划、预警发布和应急疏散探讨响应策略(R),深入探讨了风险系统各要素的自身内涵以及要素间的作用关系,由此初步形成城市灾害风险系统动力学研究范式,补充和完善当前自然灾害风险评估与控制的理论方法体系。
风暴潮灾害的数字模拟及其预测方法研究随着气候变化和人类活动的影响，自然灾害在全球范围内愈发频繁。
其中，风暴潮是一种常见的海洋灾害。
它是由强风和低气压引起的海水涨潮，可能会严重危害沿海地区的人民生命财产安全。
如何准确预测和评估风暴潮的危害程度已成为一个重要且紧迫的问题。
数字模拟是一种有效的方法，其已经被广泛应用于风暴潮灾害的预测和研究中。
一、风暴潮灾害的危害风暴潮是一种由风和气压的变化引起的潮汐，它从海洋深处推动海水直到海岸线上。
尤其在飓风、台风等强风天气的情况下，会导致沿海地区淹水、冲毁围堤、破坏建筑物，甚至会造成人员伤亡。
风暴潮对沿海地区的危害主要表现在三个方面：海水淹没、海岸线侵蚀和海浪破坏。
但是，风暴潮的危害并不只限于这些方面。
风暴潮高度与潮汐、海浪和地形等因素相关。
因此，对于一个沿海地区来说，在预测风暴潮时必须综合考虑多种因素，才能更准确的估计风暴潮对该区域的危害。
二、数字模拟的优势数字模拟是一种将自然现象和物理规律通过计算机进行模拟的方法。
它已成为风暴潮预测和研究的一种重要工具，其优势主要体现在以下方面：1. 可以模拟大规模复杂的环境系统风暴潮的形成是与多种因素相关的，例如天气、海洋、地形等。
数字模拟可以通过建立一个包括多种因素的复杂的模型来模拟真实环境，并且可以计算出各种因素之间的交互作用，从而更加准确地预测风暴潮的危害程度。
2. 可以提高预测的准确性风暴潮预测的准确性对于减少损失和保护人民生命财产安全尤为重要。
数字模拟可以通过模拟不同天气情况下风暴潮的形成和演变，生成大量模拟数据，以此判断真实情况下风暴潮的可能高度和危险程度，从而使预测更加准确。
3. 可以进行多次试验和反复实验数字模拟可以通过改变不同的因素参数，进行多次试验，以此寻求最优的模拟方法和结果。
这种方法可以提高风暴潮预测结果的可靠性。
三、风暴潮数字模拟与预测方法目前，数字模拟在风暴潮灾害预测和研究中的应用已经很广泛，对于模型的建立和数据的采集、处理已经有了一定的科学理论和实践。
风暴潮灾害风险评估方法及应用研究的开题报告
一、研究背景
近年来，随着全球气候变化带来的海平面上升、地质灾害频发等问题加剧，风暴潮灾害越来越成为影响人们生命财产的重要自然灾害。
我国沿海地区在此方面面临的风险尤其高，因此开展风暴潮灾害风险评估研究具有重要的现实意义。
二、研究目的
本研究旨在针对风暴潮灾害风险评估方法进行深入分析，结合典型案例探讨其应用。
具体研究目的为：
1. 深入探讨风暴潮灾害风险评估的理论体系和方法。
2. 建立以GIS为基础的风暴潮灾害风险评估模型，并应用于典型案例。
3. 对比分析不同评价方法的优缺点，提出改进意见，为进一步完善风暴潮灾害风险评估方法提供参考。
三、研究内容
本文将围绕以下内容进行深入研究：
1. 风暴潮灾害风险评估的概念、原理和方法。
2. GIS技术在风暴潮灾害风险评估中的应用及模型构建方法。
3. 典型案例选取和分析，建立基于GIS的风暴潮灾害风险评估模型。
4. 不同评价方法的比较及优化建议。
四、研究方法
本研究将采用文献资料调查法、案例分析法、GIS技术和数学统计分析方法等，对风暴潮灾害风险评估方法及其应用进行深入研究。
五、研究预期结果
本研究预期将掌握风暴潮灾害风险评估的理论方法和技术手段，应用GIS技术，建立以空间为基础的风暴潮灾害风险评估模型，为沿海区域风暴潮灾害保险和防护提供科学依据和技术支撑，具有较好的应用价值和发展前景。
上海地区风暴潮预报方法专家系统应用研究摘要：提炼国内多名风暴潮预报知名专家的预报经验，制定了风暴潮专家的预报经验规则，从而建立了一个能模拟风暴潮预报专家的预报思路和策略，解决风暴潮预报问题的计算机推理系统。
对风暴潮数值预报产品的进行了解释应用方面的研究，并建立了风暴潮数值预报产品的解释应用集成方法预报方程。
经后报检验与2004年的预报试运行，上述两种预报方法预报精度总体效果优于目前的国内预报水平。
关键词：风暴潮专家经验规则数值预报产品解释应用引言风暴潮专家经验规则预报法及风暴潮数值预报产品的解释应用方法的建立，不仅能便于我们吸收与应用许多风暴潮优秀预报员的预报经验〔1〕，便于将新的风暴潮相关科研成果及时运用到规则预报法的知识库中，提高预报的准确度。
而且还有利于增强分析研究风暴潮问题的客观性和全面性，减少主观片面性，便于积累总结经验，分析预报成功和失误的原因，补充修改预报知识，从而不断提高风暴潮预报警报能力。
1 风暴潮专家经验规则预报法概述风暴潮专家经验规则预报法是基于风暴潮预报专家的预报知识，建立一个或多个基于预报规则的专家知识库，从而迅速将隐性知识转变成显性知识，是一个能模拟风暴潮预报专家的预报思路和策略，解决风暴潮预报问题的计算机推理系统。
它是计算机科学、人工智能科学、风暴潮预报科学等多学科发展和结合的产物。
1.1风暴潮专家经验规则预报法的结构风暴潮专家经验规则预报法最主要的特点是能在一定的策略控制下模拟风暴潮预报专家的思维实行推理运算，所以贮存预报知识的知识库和执行推理运算的推理机是组成该规则必不可少的的基本结构〔2〕。
此外，为实现推理和获取知识都必须要有必要的数据（事实）；而为了建立并完善高质量的知识库，一般又需要有知识获取功能（学习机制）；为了增加系统的透明度，使用户理解推理结果并利于修改和完善系统功能，还需给出必要的解释。
一般，风暴潮专家经验规则预报法系统主要由以下四部分组成：知识库（Knowledge Base）；推理机，即预报计算部件(Inference Engine)；数据库（Data Base）；知识获取部件(Acquisition of Knowledge)（见图1）。
图1. 风暴潮专家经验规则预报法框图1.1.1知识库风暴潮问题的知识库是系统的记忆体、预报知识的存储器，它以一定形式存放关于风暴潮预报问题的专门知识，主要供推理决策使用。
该风暴潮专家经验预报系统(Storm Surge Forecasting Expert System,以下简称SSFES)知识库的具体功能为：（1）获取风暴潮问题知识并存入知识库；（2）识别和选取知识库中对当前问题可用的知识并进行推理计算最终得出求解结果。
知识库的设计与建造是SSFES研究中的一个关键性工作。
因此，在研究过程中，作者走访了国内有关风暴潮预报的多位知名专家，并组织在上海地区召开了多次风暴潮预报经验座谈会，取得了许多宝贵与独到的预报经验。
我们选取历史上对上海影响较大的64次台风暴潮过程作为样本进行数据处理，以建立初始知识库。
录入的资料有：64次台风过程台风路径与强度参数、转向点参数（转向点经纬度）、最大影响时刻参数（外高桥站出现最大增水时台风位置与强度）、相应上海沿海各测站风暴潮数据资料（实测潮位与对应的天文潮）等〔3-4〕。
1.1.2推理机（预报计算部件）推理机是规则法的核心，是一个具有风暴潮推理策略的控制机制。
它负责使用求解当前具体问题的有关数据信息，识别和选取知识库中对当前问题可用的知识并进行推理，最终得出求解结果。
1.1.3 数据库数据库用于存放历史的和当前的各种台风与风暴潮实测与预报数据及推理得到的各种中间结果，即数据库一般包括历史数据库和当前数据库两部分。
（1）历史数据库作用是存放历史台风与风暴潮预报资料的具体内容。
用它可做历史台风与风暴潮资料的统计、查询以及验证风暴潮预报专家提供的经验知识等，它是进行机器自动获取知识所必须依靠的基本事实。
历史数据库包括内容为：历史上（1949起）台风资料、相关天气形势资料及上海沿海有关台站实测潮位资料等。
（2）当前数据库当前数据库存储解决问题所需的初始证据和推理过程中得到的各种中间信息（中间结论）。
即存放根据输入的初始资料获得的已知事实、用户回答的事实和由推理而得到的事实——系统当前要解决的问题的一些事实。
当前数据库包括内容为：目标预报台风的各时次台风实况资料、天气形势资料、中央台等相关台风预报部门的预报资料及各台站实况资料。
当前数据库直接为推理机服务并随时接受推理机的推理结果，它与知识库一起共同构成推理所需的信息源。
1.1.4知识获取部件根据历史数据库资料、专家经验，将原来定性化的准则定量化。
在应用时，采用专家推理准则的方法、模式运算相似归纳的方法，根据实时数据库的资料，确定数值预报及其他预报中所用的非实测经验参数。
该准则在预报过程结束后，根据评估系统的结果和新的样本重新确定，完成专家学习过程。
1.1.5专家规则法的工作原理在专家规则法中，当系统通过人机接口部件接受到一个具体的风暴潮预报问题后，解决途径是在知识库中找出与解决预报问题有关的所有知识，并通过人机接口或当前数据库获取反映当前风暴潮预报状况的有关资料信息，模拟风暴潮预报专家的预报思路进行推理决策、经验统计或模型计算，最后得出预报结果。
对推理与计算得到的预报结果，除通过人机接口部件告诉用户外，同时在系统内部通知知识获取部件（学习子系统），告诉其推理结论和所依据的知识。
当预报的天气与海洋实况被输入系统（存入数据库）后，知识获取部件依据一定的学习方法，对知识库中原有的知识进行修改或扩充。
推理机工作过程中推得的一些中间结论，作为新的事实随时存入数据库（当前数据库），以供进一步推理所用。
同时，解释部件附属的规则（知识）使用记忆器接受并存放推理过程中所用过的规则（知识），用以接受和回答用户的提问。
在本文中，我们运用专家的推理、多种数值模式（预报方程）归纳型等类型进行风暴潮规则预报法的预报研究。
2专家规则预报法风暴潮专家经验规则预报法的专家推理过程是一种智能性的程序系统。
因此在对许多位知名的风暴潮预报专家的预报思路进行仔细分析与研究后，我们找出了对于求解该问题切实可行的方法。
其主要特点是知识寓于程序中，即程序包括了求解问题所使用的知识、方法和策略的全部。
在专家经验规则预报法中，求解问题的知识通常是用数据结构来表示的，即把知识作为一种特殊的数据来处理，使知识成为一种独立于程序的实体（即知识库）存在，因此运用专家推理求解风暴增水的知识可用框图（图2）形式表示如下：图2 专家规则思路图即：Rule1IF A1=M1，THEN HRule2IF A2=M2 ，THEN H...IF An=Mn，THEN H在如图所示的问题（H）求解过程中，若根据输入的有关数据不能计算出A1值，则该程序系统就无法继续执行确定的下续步骤而中断。
但专家经验规则预报法遇到这种情况，系统会自动地转向利用A2……An值作出判断。
即当知识库中的第一条规则不能使用时，会自动搜索到第二条规则并类推到第n条并加以利用。
用这种方法表示的知识之间的联系远比一般程序中各语句之间的联系要简单得多，即增强了知识的模块性，从而大大降低了修改或增删知识的难度，使知识可以象其它数据一样由程序来调用、管理、解释和修改。
同时也增加了这些知识的可读性，使之更加清晰、明确、易于理解。
根据上述原理，专家经验规则预报推理过程可解读为：a.制定专家预报规则；b.输入问题：目标台风的路径与其他参数（含中心气压、近中心最大风力、7级大风圈半径等参数）；c.推理：推理预测的标准站位定为吴淞，其预测增水值用H表示，预测最大增水时刻可用T0表示，并假设标准热带气旋的中心气压P。
=970hpa，7级大风圈半径为350km。
则按台风的不同运移路径，根据专家预报规则可以逐一推出各种不同情况下的最大增水值与对应的增水时刻。
以下部分即为台风各种可能影响上海沿海（含洋山海域）情况下所制定的专家预报规则。
2.1转向路径台风的专家预报规则转向路径台风转向点的经度值可用Z表示，纬度值可用W表示。
按转向点与转向后的台风走向可细分为：①中转向；②中转向北上；③西转向；④西转北上。
2.2登陆型台风的专家预报规则按登陆点的不同可细分为：①登陆点在长江口及以北；②登陆点在上海市沿海（南汇嘴以北）；③登陆点在杭州湾北岸（南汇嘴以下）；④登陆点在浙北沿海；⑤登陆点在浙中沿海；⑥登陆点在浙南闽北；⑦登陆点在闽中。
按各类台风路径，逐一推理出假定的标准台风下各站的最大增水值与对应的增水时刻，并按以下条件进行修正。
2.3修正条件对假设的标准台风的增水推理规则进行多项修正：A. 气压梯度指数B. 强度指数修正C．大风半径条件修正D. 天文潮条件修正2.4增水后报结果检验为了检验专家规则预报法的预报性能，本文以上海沿海的外高桥为指标站，选用了1949年——2002年17次比较典型的强风暴潮过程进行了后报，对推理计算的最大增水同实测最大增水进行了比较，结果显示，外高桥站过程最大增水的最大误差为24cm；最小误差为2cm；平均误差为14cm。
时间相位误差一般在0-2h，个别达到3h，平均为1.1h。
2.5试报该模式在2004年7月起就投入试预报运行，共对0407号、0414号和0417号和0419号四次风暴潮过程进行了试报，结果如下：表1. 试报误差精度统计单位：cm由表1得出检验结论：外高桥站增水预报平均绝对误差为12.5cm，最大绝对误差为30cm；最小绝对误差为2cm；最大增水时刻预报平均绝对误差为0.5h。
洋山站增水预报平均绝对误差为13.8cm，最大绝对误差为34cm；最小绝对误差为2cm；最大增水时刻预报平均绝对误差为0.8h。
3风暴潮数值预报产品的解释应用所谓数值预报产品的解释应用就是运用我们目前常用的多种风暴潮数值预报模式分别计算历史上明显影响（吴淞站过程最大增水大于等于80cm）上海的N次风暴潮过程，然后分析评估每一类模型对某一台风的预报精度。
由于每一类数值模式对不同的台风其敏感度的不同会导致预报精度的差异，于是我们可建立某风暴潮预报因子与每一类预报模型的精度的可信度评估标准，然后根据每一类预报模式的精度可信度确定其在对某一个目标台风预报中的权重，从而综合归纳出最终的预报结果，而对该目标台风预报的可信度评估结论又会通过电脑的学习自动调整每一类预报模型在下一个目标台风预报中的权重。
3.1数值预报产品解释应用的预报思路研究显示，我们目前常用的SLOSH模式、SURGE863-818模式以及ECOM-SI模式在计算过程中往往对路径的敏感度最为明显，即不同的模型对不同路径的预报其预报精度会有一定的差异〔5-6〕。
