博采众家之长，让天气预报更加精准！

此外，还提出了最优训练期长度的选取方法，即利用不同长度的训练期进行多模式集成预报，当训练期长度达到一定程度时，预报误差保持稳定，不再显著减小，则取误差达到稳定的这个最短的训练期长度为最优训练期长度。试验结果令人鼓舞，基于最优滑动训练期的多模式集成预报技巧远超参与集成的最优的单模式预报技巧，也明显优于固定训练期的多模式集成预报。

利用中国气象局（CMA）、ECMWF、NCEP和日本气象厅（JMA）以及英国气象局（UKMO）多个数值模式进行多模式集成预报，对台风路径与强度、暴雨、大风、高温热浪、低温雨雪等高影响天气开展预报试验。滑动训练期多模式集成24小时地面气温预报的误差比最好的单模式预报减小了40%左右，即使是7天预报的均方根误差也比ECMWF的预报减小了15%左右。多模式集成对台风路径和强度预报也有明显改进，特别是台风路径的24小时预报平均绝对误差比最好的单模式预报至少减少了30公里。大风、暴雨和高温热浪、低温雨雪等高影响天气的预报也有不俗的表现，预报技巧明显超越最好的单模式预报。滑动训练期多模式集成预报不但能有效减小预报误差，而且性能也更加稳定。

此外，气象学家还构建了基于降水分级建模的多模式集成预报新技术，有效提高了强降水的预报技巧。利用多模式24小时累积降水量预报资料，结合高分辨率中国降水融合产品，对东亚地区24小时累积降水量进行雨量分级的贝叶斯模式平均预报。通过将24小时累积降水量分为小雨、中雨和大雨及以上三个量级，分别建立各个量级的预报模型。这种新的预报模型克服了传统模型对于强降水预报能力的不足，有效提高了强降水预报技巧。

近年来，人工智能技术的迅速发展和广泛应用深刻地影响了天气预报技术的发展。团队率先构建了基于动态与静态数据智能融合的多种神经网络多模式集成预报模型，有效提高了气温、降水的预报准确率。通过将地理信息智能融合到基于多种神经网络方法（如前馈神经网络、卷积神经网络、长短期记忆神经网络等）的多模式集成预报模型中，深入挖掘各类数据之间的关系，最终获得整体最优的气温、降水要素的预报效果。

十多年来，经过对多模式数值天气预报产品智能释用技术的有效探索，我国研发的一系列多时间尺度的数值预报释用产品，应用于中国气象局公共气象服务中心的精细化预报系统、江苏省气象台业务预报系统、江苏省人工影响天气数值预报系统、贵州省气象台的精细化格点预报系统、福建省“福莆宁”区域精细化检测预警服务平台、福建省厦门市气象台、湖北省气象局武汉中心气象台、泰州市气象台等各级气象业务部门的智能网格预报系统中，显著提高了降水、气温、风场等气象要素的预报准确率，尤其对转折性天气过程、强降水预报预警、云水预报水平等方面改进显著。相关天气预报新技术在气象服务中发挥了重要作用，如2014年南京青年奥林匹克运动会 、2015年第一届全国青年运动会以及2018年中央电视台春晚贵州分会场的气象保障。此外，项目还在人工增雨防控太湖蓝藻气象服务中发挥了重要作用，提升了人工影响天气生态型业务的保障与服务水平，有助于国家水资源保护与粮食安全。

多模式集成预报技术让天气预报更加精准，为人民生命安全、社会经济发展和生态文明建设提供了重要保障，为提高防灾减灾救灾能力提供了有力的气象预报技术支撑。