a
Nh107

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN CÔNG THANH DỰ BÁO QUỸ ĐẠO BÃO ẢNH HƯỞNG ĐẾN
VIỆT NAM HẠN 5 NGÀY BẰNG PHƯƠNG PHÁP
TỔ HỢP SỬ DỤNG KỸ THUẬT NUÔI NHIỄU
LUẬN ÁN TIẾN SĨ KHÍ TƯỢNG VÀ KHÍ HẬU HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:
GS.TS. Trần Tân Tiến Hà Nội - 2014

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu,
kết quả nêu trong luận án là trung thực và chưa từng được ai công bố trong
bất cứ công trình nào khác.

Tác giả Công Thanh

LỜI CẢM ƠN

Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới GS. TS. Trần Tân Tiến, là
người đã tận tình chỉ bảo và hướng dẫn tôi hoàn thành luận án này.
Tôi xin cảm ơn các Thầy cô và các cán bộ trong khoa Khí tượng - Thủy văn
- Hải dương học đã cung cấp cho tôi những kiến thức chuyên môn quý báu,
giúp đỡ và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi
học tập và thực hành ở Khoa.
Tôi cũng xin cảm ơn Phòng sau đại học, Trường Đại học Khoa học Tự
nhiên đã tạo điều kiện cho tôi có thời gian hoàn thành luận văn.
Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, người thân và
bạn bè, những người đã luôn ở bên cạnh cổ vũ, động viên và tạo mọi điều

2.2 Đề xuất phương án nuôi nhiễu môi trường và nhiễu xoáy khi có bão cho khu vực
Việt Nam 58
2.2.1 Tạo nhân ban đầu 58
2.2.2 Phương pháp cài xoáy giả cho trường GFS 59
2.2.3 Phương án nuôi nhiễu khi có bão 60
2.2.4 Chuẩn hóa nhiễu môi trường và nhiễu xoáy 62
2.2.4.1 Chuẩn hóa nhiễu môi trường 62
2.2.4.2 Chuẩn hóa nhiễu xoáy 63
2.2.5 Trực giao nhiễu môi trường và nhiễu xoáy 63
2.2.5.1 Trực giao nhiễu môi trường 64
2.2.5.2 Trực giao nhiễu xoáy 64
2

2.3 Nhiễu trên biên 64
2.4 Quy trình nuôi nhiễu. 65
2.5 Lựa chọn tham số cho mô hình RAMS để dự báo bão ở Việt Nam 66
2.5.1 Cấu hình miền tính 66
2.5.2 Giới thiệu sơ lược về mô hình RAMS. 68
2.5.2.1 Các phương trình cơ bản của RAMS 68
2.5.2.2 Cấu trúc lưới 70
2.5.2.3 Các điều kiện biên 71
2.5.2.4 Sơ đồ đối lưu 73
2.6 Số liệu sử dụng và phương pháp tìm tâm bão. 74
2.6.1 Số liệu 74
2.6.2 Phương pháp dò tìm tâm bão 75
2.7 Các phương pháp tổ hợp kết quả dự báo 76
2.7.1 Dự báo tất định từ các thành phần dự báo tổ hợp 76
2.7.1.1 Trung bình đơn giản 76
2.7.1.2 Dự báo siêu tổ hợp 76
2.7.2 Dự báo xác suất từ các thành phần dự báo tổ hợp bão 78

3.2 Dự báo tổ hợp quỹ đạo bão bằng phương pháp nuôi nhiễu phát triển 102
3.2.1 Dự báo từ các thành phần tổ hợp 102
3.2.2 Dự báo tổ hợp bằng phương pháp trung bình đơn giản các thành phần tổ hợp104
3.2.3.1 Tuyển chọn nhân tố và bộ số liệu dùng để tuyển chọn. 108
3.2.3.2 Phương trình dự báo siêu tổ hợp vị trí tâm bão 113
3.3 Thử nghiệm hệ thống dự báo tổ hợp cho một số cơn bão điển hình. 115
3.3.1 Bão đổi hướng 116
3.3.2 Bão đôi 116
3.3.3 Hướng di chuyển phức tạp 117
3.4 Dự báo quỹ đạo bão bằng phương pháp xác suất 118
3.5 Đề xuất quy trình dự báo bão hạn 5 ngày bằng hệ thống dự báo tổ hợp dựa trên
phương pháp nuôi nhiễu. 121
KẾT LUẬN 123
DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN
ĐẾN LUẬN ÁN 125
TÀI LIỆU THAM KHẢO 127
PHỤ LỤC 136

4

DANH MỤC HÌNH ẢNH

Hình 1.1 Sơ đồ tổ hợp của các thành phần dự báo tổ hợp tiêu biểu: a) là các thành
phần có độ tán tổ hợp tốt; b) là các thành phần có độ tán không tốt);
T: là trạng thái thực của khí quyển; C: dự báo kiểm chứng; P
+
, P
-
là
cặp nhiễu tổ hợp; A: trung bình của cặp nhiễu tổ hợp (Kalnay, 2003)

Hình 2.4 Chu kỳ nuôi nhiễu 65
Hình 2.5 Miền dự báo quỹ đạo bão 67
Hình 2.6 Dự báo siêu tổ hợp (Kisnamurti và Jordan, 2005) 77
Hình 2.7 Mô tả vòng tròn dự báo (Kishimoto, 2009) 79
5

Hình 2.8 Sơ đồ mô tả cách tính sai số 80
Hình 3.1 Quỹ đạo cơn bão Washi ( />typhoon/summary/wnp/l/201121.html.en) 83
Hình 3.2 Quỹ đạo dự báo khi thay đổi 3 sơ đồ đối lưu ngày 13/12/2011+120h;
Tròn rỗng: Qũy đạo trung bình tổ hợp; Tam giác: Quỹ đạo thực; Sao:
KUO; chấm tròn đặc: KFCT; mũi tên: KF 84
Hình 3.3 Sai số vị trí khi thay đổi 3 sơ đồ đối lưu ngày 13/12/2011+120h 85
Hình 3.4 Biểu đồ sai số vị trí tâm bão dự báo bằng mô hình RAMS 85
Hình 3.5 Biểu đồ sai số dọc (a) và ngang (b) của tâm bão dự báo bằng mô hình
RAMS 86
Hình 3.6 Trường nhiễu tốc độ gió (m/s) của nhân D3 tại mực 850 hpa 87
Hình 3.7 Trường nhiễu nhiệt (độ C) của nhân D3 tại mực 850 hpa 87
Hình 3.8 Trường nhiễu tốc độ gió (m/s) của nhân D3 cắt qua vĩ tuyến 6N lúc 12h
ngày 13/12/2011. 88
Hình 3.9 Trường nhiễu nhiệt (độ C) của nhân D3 cắt qua vĩ tuyến 6N lúc 12h ngày
13/12/2011 89
Hình 3.10 Trường nhiễu nhiệt (độ C) và trường nhiễu tốc độ gió (m/s) tại mực 850hpa
được tạo từ phân bố chuẩn Gause với độ lớn của nhiễu trường gió là 3
m/s và nhiệt độ là 1
0
C. 89
Hình 3.11 Trường nhiễu nhiệt (độ C) và trường nhiễu gió (m/s) cắt qua vĩ tuyến 6N
được tạo từ phân bố chuẩn Gause với độ lớn của nhiễu trường gió là 3
m/s và nhiệt độ là 1
0

nhiễu môi trường (chấm tam giác), chỉ nuôi nhiễu xoáy (nét liên
chấm vuông) và trường hợp nuôi kết hợp nhiễu xoáy và nhiễu môi
trường (chấm tròn) 100
Hình 3.21 Sơ đồ trùm của 39 thành phần dự báo tổ hợp quỹ đạo bão Washi 12h
14/12/2011+120h (Quỹ đạo thực chấm tròn rỗng, Quỹ đạo trung bình
tổ hợp của 39 thành phân là chấm tròn đặc) 101
Hình 3.22 Sai số khoảng cách trung bình tổ hợp kết quả dự báo của 13 thành phần
(12 thành phần có chứa nhiễu và 1 kiểm chứng) kết hợp với: lựa
chọn sơ đồ đối lưu KUO (chấm tròn), lựa chọn sơ đồ đối lưu KF
(chấm vuông), lựa chọn sơ đồ đối lưu KFCT (chấm tam giác) và lựa
chọn cả 3 sơ đồ đối lưu (chấm gạch chéo) ngày 14/12/2011 +120 giờ.
102
Hình 3.23 Đồ thị sai số khoảng cách trung bình của các dự báo thành phần: a) là 39
thành phần; b) là 2 thành phần tốt và kém nhất. 104
Hình 3.24 Sai số vị trí trung bình của các dự báo tổ hợp trung bình 105
Hình 3.25 Đồ thị sai số khoảng trung bình của các thành phần dự báo tổ hợp trung
bình trước và sau hiệu chỉnh 106
Hình 3.26 Đồ thị sai số thành phần KUO-01và thành phần KUO+KF+KFCT 107
Hình 3.27 Đồ thị biểu diễn tốc độ suy giảm sai số khoảng cách khi tăng số thành
phần 113
Hình 3.28 Sai số vị trí trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25
thành phần trên bộ số liệu năm 2012 và 2013 114
Hình 3.29 Sai số dọc trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25
thành phần trên bộ số liệu năm 2012 và 2013 114
Hình 3.30 Sai số ngang trung bình của dự báo siêu tổ hợp và trung bình tổ hợp 25
thành phần trên bộ số liệu năm 2012 và 2013 115
Hình 3.31 Dự báo 00UTC ngày 18/10/2010 (b) bằng phương pháp siêu tổ hợp
(chấm tròn đăc) , phương pháp trung bình tổ hợp (tam giác) và quỹ
đạo thực (chấm tròn rỗng) của cơn bão Megi; a) là quỹ đạo thực
(JMA). 116

trường. 142
Hình 4.6 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và
00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b-
24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung
bình theo phương thẳng đứng trong trường hợp nuôi nhiễu xoáy. . 143
Hình 4.7 Bản đồ trường gió (m/s) của trường GFS có cài xoáy giả (D0) và các
trường GFS có cài xoáy giả kết hợp với nhiễu D1, D2, D3, D4, D5,
D6 cắt qua vĩ tuyến 6N lúc 12h ngày 14/12/2011 144
Hình 4.8 Bản đồ ghép chồng các hạn trước thời điểm dự báo -24, -18, -12, -06 và
00 giờ các của trường địa thế vị (a-24, a-18, a-12, a-06, a-00), gió (b-
24, b-18, b-12, b-06, b-00), nhiệt (c-24, c-18, c-12, c-06, c-00) trung
bình theo phương thẳng đứng trong trường hợp nuôi nhiễu môi
trường và nhiễu xoáy. 146
8

DANH MỤC BẢNG BIỂU

Bảng 1.1 Hệ thống dự báo tổ hợp quy mô vừa (SREF) của NCEP (Du, 2011) 42
Bảng 1.2 Các giá trị trung bình số lượng bão theo từng thập kỉ trên khu vực Tây
Bắc Thái Bình Dương và Biển Đông (Đinh Văn Ưu, 2009) 42
Bảng 1.3 Bão hoạt động trên Biển Đông thời kỳ 1959-2008 (Bộ tài nguyên môi
trường, 2012) 43
Bảng 1.4 Bão đổ bộ vào Việt Nam 1959-2008 (Bộ tài nguyên môi trường, 2012) 43
Bảng 1.5: Sai số dự báo của Viện nghiên cứu Thượng Hải, Trung Quốc (Chen và
nnk, 2009) 47
Bảng 2.1 Cấu hình dự báo bão 5 ngày ở Biển Đông 67
Bảng 2.2 Các kí hiệu chính được sử dụng trong mô hình 68
Bảng 2.3 Tên các cơn bão thử nghiệm 75
Bảng 3.1. Số trường hợp thử nghiệm ở các hạn dự báo 102
Bảng 3.2. Ký hiệu các thành phần theo các sơ đồ đối lưu trong mô hình RAMS và

Bảng 4.9 Bảng phương trình hồi quy hạn 96 giờ 155
Bảng 4.10 Bảng phương trình hồi quy hạn 120 giờ 156
10

DANH MỤC CÁC KÝ HIỆU VIẾT TẮT

Ký hiệu
viết tắt
Từ gốc Ý nghĩa
BARO Barotropic Model Mô hình chính áp
BGM Breeding of Growing Modes Nuôi những dao động phát triển
BOG Bogus Xoáy giả
BV Bred Vectors Véc tơ nuôi
CDC Climate Diagnostics Center Trung tâm chuẩn đoán khí hậu Hoa Kỳ
CMA
China Meteorological
Administration
Cục khí tượng Trung Quốc
CNOP
The Conditional Nonlinear
Optimal Perturbation
Phương pháp cực đại hóa nhiễu phi
tuyến
CPTEC
The Center for Weather
Forecasts and Climate
Studies
Trung tâm nghiên cứu dự báo thời tiết
và khí hậu Brazil
EnKF Ensemble Kalman Filtering Phương pháp tổ hợp lọc Kalman

Quốc
HRM
High-resolution Regional
Model
Mô hình khu vực có độ phân giải cao
IC Initial Condition Điều kiện ban đầu
JMA
Japan Meteorological
Agency
Cục khí tượng Nhật Bản
KF
Kain-Fritsch convective
parameterization scheme
Sơ đồ đối lưu KF
KFCT
Modification of the Kain-
Fritsch convective
parameterization scheme by
Nguyen Minh Truong
Sơ đồ đối lưu KF cải tiến
KMA
Korea Meteorological
Administration
Cục khí tượng Hàn Quốc
KUO
KUO convective
parameterization scheme
Sơ đồ đối lưu KUO
LAF Time-Lagged approach Phương pháp dự báo trung bình trễ
LAM Limited-Area Model Mô hình khu vực hạn chế

National Oceanic and
Atmospheric Administration
Cơ quan Quản lý khí quyển và đại
dương Hoa Kỳ
PO
Perturbed Observations
Nhiễu thám sát
RAMS
Regional Atmospheric
Modeling System
Mô hình dự báo khí quyển khu vực
REPS
Regional Ensemble
Prediction System
Hệ thống dự báo tổ hợp khu vực (REPS)
được sử dụng tại miền bắc của Trung
Quốc
RSM Regional Spectral Model Mô hình phổ khu vực
SLAF
Scaled Time-Lagged
approach
Dự báo trung bình trễ có chuẩn hóa
SREF
Short-Range Ensemble
Forecasting
Dự báo tổ hợp hạn ngắn của NCEP
SV Singular Vector Véc tơ kì dị
TCLAP
Tropical Cyclone limited
analysis and prediction

Tính cấp thiết của đề tài
Bão và áp thấp nhiệt đới (gọi chung là xoáy thuận nhiệt đới, ký hiệu
XTNĐ) là hiện tượng thời tiết nguy hiểm, XTNĐ xuất hiện kèm theo mưa to
gió lớn thường mang lại những hiện tượng thiên tai như gây lũ lụt trên diện
rộng hay nước dâng trong vùng biển nơi XTNĐ đi qua. Theo tổ chức khí
tượng thế giới (www.wmo.int) “Việt Nam nằm ở khu vực của ổ bão ở Tây
Bắc Thái Bình Dương (30 cơn/năm, chiếm 38% số bão trên toàn cầu)”. Vì
vậy, hàng năm nước ta chịu thiệt hại nặng nề do bão gây ra cả về tài sản vật
chất và con người, cùng với đó, nhà nước đã phải bỏ ra nhiều tỷ đồng khắc
phục hậu quả do bão gây ra. Một trong những nỗ lực nhằm làm giảm chi phí
thiệt hại về tài sản và con người do bão là dự báo tương đối chính xác đường
đi của bão. Hiện nay các mô hình số dự báo thời tiết và dự báo bão đã được
đưa vào ứng dụng nghiệp vụ và nghiên cứu ở Việt Nam. Tuy nhiên, chất
lượng dự báo bão của các mô hình này nhiều lúc chưa đáp ứng được yêu cầu
thực tế đặt ra do sai số dự báo quĩ đạo còn lớn, hạn dự báo ngắn.
Về hạn dự báo, từ trước đến nay chưa có công trình nào ở Việt Nam đặt ra
dự báo quỹ đạo bão đến 5 ngày trong khi Nhật Bản, Hoa Kỳ, Trung Quốc
đã dự báo nghiệp vụ đến 5 ngày. Sai số vị trí quỹ đạo bão trong các trường
phân tích và dự báo toàn cầu rất lớn. Để nâng cao độ chính xác của các mô
hình số trong dự báo bão nhất thiết phải cải thiện trường ban đầu. Giải quyết
bài toán trường ban đầu đối với bão bằng phương pháp cài xoáy giả ba chiều,
những nghiên cứu trước đây cho thấy đây là một trong những cách tiếp cận có
hiệu quả. Tuy nhiên xoáy ba chiều chỉ có thể cải thiện được vị trí ban đầu của
bão chứ chưa phản ánh được chính xác được cấu trúc bất đối xứng của bão
15

trong thực tế. Vì vậy, bài toán nuôi nhiễu cho khu vực có bão (nhiễu xoáy) sẽ
giúp mô tả cấu trúc bão tốt hơn. Ngoài ra, để cải tiến trường ban đầu, trong
luận án này còn tính tới nhiễu ở khu vực bên ngoài bão (nhiễu môi trường).
Bản chất của việc tìm nhiễu này là do số liệu khí tượng luôn chứa sai số nên

bằng phương pháp nuôi nhiễu phát triển là phù hợp với điều kiện
Việt Nam.
Ý nghĩa thực tiễn
- Dự báo tổ hợp quĩ đạo bão với hạn 5 ngày bằng phương pháp nuôi
nhiễu góp phần nâng cao chất lượng dự báo, kéo dài thời hạn dự
báo, khách quan hóa vấn đề dự báo quĩ đạo bão.
- Sản phẩm dự báo quĩ đạo bão với thời hạn trước 5 ngày đáp ứng
nhu cầu cấp bách của xã hội trong việc phòng chống kịp thời, hạn
chế thiệt hại về người và của cải đặc biệt là đối với các hoạt động
kinh tế - xã hội.
Tóm tắt cấu trúc luận án
Ngoài các mục mở đầu, kết luận, tài liệu tham khảo, phụ lục, v.v nội
dung chính của luận án bao gồm:
CHƯƠNG 1:
TỔNG QUAN VỀ DỰ BÁO TỔ HỢP VÀ DỰ BÁO TỔ HỢP QUỸ ĐẠO BÃO.
Chương này giới thiệu cơ sở lý thuyết về dự báo tổ hợp, đặc điểm bão hoạt
động trên khu vực Tây Bắc Thái Bình Dương và Việt Nam. Ngoài ra trong
phần này còn giới thiệu chi tiết các phương pháp nuôi nhiễu để tạo trường ban
đầu và nhiễu biên. Cuối chương trình bày các công trình nghiên cứu cải tiến
trường ban đầu bằng phương pháp cài xoáy, dự báo tổ hợp bão ở trong nước
và quốc tế.
17

CHƯƠNG 2:
PHƯƠNG PHÁP NUÔI NHIỄU KHI CÓ BÃO VÀ LỰA CHỌN CÁC
THAM SỐ CHO MÔ HÌNH RAMS ĐỂ DỰ BÁO TỔ HỢP QUỸ ĐẠO BÃO
Ở VIỆT NAM.
Chương này trình bày phương án nuôi nhiễu môi trường và nhiễu xoáy cho
trường ban đầu để dự báo bão hạn 5 ngày. Bên cạnh đó, nêu các lý do và lựa
chọn miền tính, lưới tính, mô hình, các thông số trong mô hình, phương pháp

trên thế giới thường sử dụng kỹ thuật ban đầu hóa xoáy nhằm xây dựng được
một xoáy nhân tạo có cấu trúc và vị trí gần với xoáy thực hơn để tạo trường
ban đầu cho các mô hình số.
Gần đây, để cải tiến trường ban đầu, các trung tâm trên thế giới nghiên cứu
và áp dụng các phương pháp đồng hóa số liệu hay cấy và nuôi nhiễu cho
trường ban đầu. Các trường ban đầu sau khi được cải tiến sẽ được sử dụng để
làm trường ban đầu cho mô hình dự báo số, các sản phẩm dự báo số được sử
dụng trong bài toán tổ hợp. Lorenz (1963) [87] với giả thuyết rằng: “Các
nghiệm số thu được trong quá trình tích phân mô hình theo các điều kiện ban
đầu khác nhau (có chứa sai số) có thể phân kì theo thời gian”. Điều này được
giải thích bằng hiệu ứng Butterfly: do bản chất phi tuyến của các phương trình
mô tả khí quyển nên những sai số nhỏ không thể đo được trong trạng thái ban
19

đầu của khí quyển sẽ trở thành những sai số đủ lớn sau một khoảng thời gian
tích phân (2 tuần). Những nghiên cứu của Lorenz (1963, 1969) [87, 88] cho
thấy khả năng dự báo trạng thái khí quyển bị hạn chế chủ yếu là do 2 nguyên
nhân chính. Nguyên nhân thứ nhất là sai số phân tích, sai số này được xác
định bằng sự khác biệt giữa trạng thái thực của khí quyển và trạng thái phân
tích trường ban đầu. Nguyên nhân thứ hai là sai số của mô hình, do mô hình
chưa mô tả được hết các quá trình vật lý phức tạp trong tự nhiên.
Nghiên cứu sau này của Toth và Kalnay (1993) [109] về tổ hợp các sản
phẩm dự báo của mô hình sử dụng trường ban đầu có chứa nhiễu nuôi cũng
cho thấy tầm quan trọng và tính năng ưu việt của khả năng dự báo trạng thái
khí quyển theo không gian và thời gian. Kết quả nghiên cứu cho thấy: “Nếu
dự báo cho độ chính xác thấp tại một khu vực nào đó là dấu hiệu của sự bất
định của dòng cơ bản. Các sai số nhỏ của trường ban đầu (hoặc không hoàn
hảo trong mô hình) sẽ phát triển với biên độ lớn trong thời gian hữu hạn”. Các
đặc tính ổn định của dao động phát triển trong dòng cơ bản đã được nghiên
cứu và sử dụng trong các véc tơ như: véc tơ Lyapunov (Kalnay, 2003) [73]

“sai số ngày”. Kết quả là, nhiễu phát triển với tốc độ chậm và do đó, tính phân
kỳ giữa các thành phần trong trường hợp này thường không lý tưởng. Leith
cũng đề xuất phương pháp "ước lượng tối ưu", phương pháp này được tính
bằng hồi quy tuyến tính trên các dự báo động lực với trọng số tối ưu được xác
định từ ma trận sai số.
Năm 1983, Hoffman và Kalnay [65] đề xuất phương pháp dự báo trung
bình trễ (LAF) để thay thế cho phương pháp dự báo Monte Carlo, trong đó
trạng thái ban đầu tại thời điểm t=0, được lấy từ các kỳ quan trắc trước (t=-t,
-2t, …,-(n-1)t) với t là khoảng cách giữa các kỳ quan trắc t=06. Tất cả các
trạng thái ban đầu này được đưa vào mô hình dự báo và kết quả chúng tạo ra
được một bộ tổ hợp. Ưu điểm của phương pháp LAF có thể chỉ ra lỗi của
một dự báo cũ tại thời điểm t=0 (thời điểm ban đầu) một cách trực tiếp như
21

một nhiễu của trường ban đầu, chúng có thể phản ánh “sai số ngày” và có
cấu trúc động lực phát triển của độ tán tổ hợp lớn hơn so với phương pháp
nhiễu ngẫu nhiên. Ngoài ra, phương pháp LAF còn có ưu điểm là nhiễu sinh
ra hoàn toàn tự do và không cần tạo nhiễu trường ban đầu cho tổ hợp. Tuy
nhiên trong các nghiên cứu sau này đã chỉ ra 2 nhược điểm của dự báo trễ là:
Một dự báo tổ hợp LAF lớn sẽ phải bao gồm dự báo quá "cũ". Nhược điểm
thứ hai của LAF là do không sử dụng trọng số tối ưu, trung bình của dự báo
tổ hợp LAF có thể bị giảm bởi các thông tin dự báo quá cũ. Khắc phục
nhược điểm trên, năm 1991, Ebisuzaki và Kalnay [56] giới thiệu một biến
thể của dự báo trễ hay còn gọi dự báo trung bình trễ có chuẩn hóa (SLAF).
Các nhiễu thu được bằng cách tính toán các sai số dự báo của các dự báo
được bắt đầu tại thời điểm t=-jτ, với j=1,. . . N - 1. Với giả thiết rằng các sai
số phát triển tuyến tính với thời gian trong 2-3 ngày đầu, trường phân tích
được trừ (hoặc cộng) với các nhiễu này để tạo ra các trường ban đầu mới.
Những lợi thế của dự báo SLAF là: Các nhiễu ban đầu của các thành phần
tham gia dự báo tổ hợp có kích thước xấp xỉ như nhau. Ưu điểm thứ hai của