伴随变分同化技术被公认为是提高数值模式初始场质量的有效方法之一,但它对目标函数的数学性态有较高的要求,同时,伴随变分同化在用下降算法求解目标函数梯度的过程中,容易陷入局部最优解的陷阱。遗传算法作为一种新兴的算法理论,对目标函数的性态无要求,具有较好的全局最优解的求解能力以及较好的普适性和易扩充性等特点。因此,将遗传算法与变分同化结合,应用于数值天气预报模式的最优初始场的求解中,找到全局最优或接近全局最优解,提高数值预报模式的准确性,使得变分同化技术能够更广泛地应用于研究和实际业务就显得十分必要。 本文将遗传算法与中尺度数值模式MM4相结合,应用于解决四维资料伴随变分同化问题,建立基于遗传算法的MM4四维变分同化系统,并给出了相应的遗传理论依据和详细算法,结合变分问题本身的特点,设计了合理的遗传操作和遗传参数。同时,进行MM4遗传算法变分同化系统理想场、实际观测资料的同化数值试验。数值试验结果表明,MM4遗传算法四维变分同化系统取得了较好的同化效果。遗传算法同化系统对初始场中的随机误差具有很强的过滤和平滑能力,能够吸收同化窗口内观测资料信息,并在模拟预报过程中将这些信息体现出来,从而提供较客观分析初始场更优的模式预报初始场。因此,将遗传算法应用于数值天气预报模式的四维变分资料同化是切实可行而且有效的,这一工作扩展了遗传算法变分同化的内容。MM4遗传算法四维变分同化系统能够为数值天气预报模式提供高质量的初始场,从而提高NWP模式预报的准确性,使得遗传算法这一有效技术得到了进一步的应用。