简介：那寻找的一个进化基于策略的错误parameterization方法最，理想的错误调整因素被开发获得更好的吸收结果。数字实验用一些古典非线性的模型被设计(即，Lorenz-63模特儿和Lorenz-96当模特儿)。进化策略的转线路和变化错误调整因素在四个方面被调查：Lorenz模型，整体尺寸，观察协变性，和观察间隔的起始的条件。为错误调整因素的搜索通常用尝试方法被执行。解决这个困难的问题，一个新数据吸收系统结合了基因算法被开发。方法在一些简化模型框架被测试，并且结果是令人鼓舞的。处理方法的进化基于策略的错误在Lorenz-96模型在完美、有瑕疵的模型情形下面要用体力地表现了。然而，到大气的更多的建筑群或陆地表面的方法论的应用程序为遗体建模被测试。

简介：有在天气和气候的可预测性问题的三种普通类型，它各包含不同抑制非线性的优化问题：最大的可预言的时间，最大的预言错误的上面的界限，和最大的许可的起始的错误和参数错误的更低的界限的更低的界限。高度有效的算法被开发了解决第二个优化问题。并且这个优化问题能在现实主义的模型被使用让天气和气候学习最大的预言错误的上面的界限。尽管过滤策略被采用了解决另外的二个问题，直接答案甚至为一个很简单的模型是很费时间的，它因此在现实主义的模型限制这二个可预测性问题的适用性。在这份报纸，新策略被设计解决这些问题，包含存在的使用为第二个可预测性问题的高度有效的算法特别地。而且，在更旧的过滤策略之间的一系列比较和新方法被执行。这被表明新策略不仅输出象旧的一样的结果，而且也是更计算地有效的。这将建议学习在天气或气候的现实主义的预报模型与这二个非线性的优化问题联系的可预测性问题是可能的。关键词抑制了非线性的优化问题-可预测性-算法

简介：这份报纸为在全球规模从计量器观察，卫星估计(SE)，和数字预言合并每日的降水信息描述策略。策略被设计把全身的偏爱和随机的错误从每单个每日的降水来源移开生产通过三的全球每日的降水产品走的更好的gridded。首先，匹配过程的累积分发功能被执行在定位计量器的陆地区域上移开全身的偏爱。然后，在在海洋区域上的SE和模型预言(MP)的全面偏爱基于每月的降水用重新可伸缩的策略被改正。第三，最佳的插值(OI)基于合并计划(作为HL-OI计划参考了)被用来联合从每来源减少随机的错误并且生产一个gaugesatellite模型的不偏的计量器观察，SE，和MP合并每日的降水分析，叫的BMEP-d(北京气候中心把降水的评价与每日的分辨率合并了)，与完全的全球范围。从一个四年的时期(2011-14)的BMEP-d数据表明合并策略的能力提供实质地改进的质量的全球每日的降水。为量的错误得益于HL-OI计划的优点估计，更好的来源数据能在合并进程期间获得更多的重量。BMEP-d数据展览有在中间、低的纬度的卫星和计量器来源数据，并且与在高纬度的模型来源数据的更高的一致性。总的来说，对GPCP-1DD(GPCP一个度日报)的独立确认证明在BMEP-d和GPCP-1DD之间的一致性以空间模式，时间的可变性，概率分发，和统计降水事件比每来源数据集的那些高。