8月12-13日，京津冀迎来了入汛以来最强降水。这次惊动了全国人民的降水过程表现如何？
从预报角度，可以说下得不多不少，刚刚好。
62.0%的气象观测站出现暴雨，
20.3%的气象观测站出现大暴雨，
对于翘首盼了一天的北京er来说，
这次暴雨不但没有爽约，而且
这次暴雨过程，中央气象台24小时时段预报与实况基本一致。
那么你知道如今预报员是如何制作降水预报的吗？
我们从大数据信息挖掘的角度来一窥究竟。
众所周知，数值模式预报已成为现代天气预报业务的基石。然而，随着数值模式的快速发展，预报员或用户不得不面对信息过载的问题。为了缓解或解决该问题，我们基于集合预报的思想，设计“QPF权重评估推荐平台”，帮助预报员在海量数据的基础上实现自身价值。
为什么要进行海量信息的集成？
来自不同预报中心的模式系统同化了不同的观测资料、采用不同的动力框架、物理参数过程，因此对不同区域、季节、时效和类型的天气表现各有优缺点。不同类型的数据源可提供相互补充的降水预报（QPF，Quantitative Precipitation Forecast）信息，例如：
全球数值模式系统能够提供大尺度系统的降水信息;
集合模式系统能够提供预报的不确定性和低概率的极端天气信息;
高分辨率的中尺度模式可以提供对流性降水系统的形态、演变等特征
通过近期权重推荐结果可以发现，近2周内表现权重较好的模式分别为Grapes3KM、GrapesMeso（权重分别为18%、16%），表现较好的客观方法分别为Logistic订正降水（30%）、GrapesMeso频率订正（15%）以及频率订正ECMWF（20%）。而近1天的权重则推荐：频率订正EC（30%）、自适应集成降水（10%）、Logistic订正降水（30%）、ECMWF（20%）、频率订正GRAPESmeso（10%）。但是由于近期降水较为分散，暴雨站数较少，权重推荐的结果还需要预报员再进一步进行分析、研判。
2.多模式对比模块
预报员还可以通过多模式对比以及稳定性对比模块，对模式进行事前评估。模块中提供了实时缩放和定位功能，方便预报员进行多模式对比，同时后台的图片压缩技术也确保浏览的便捷性。如下图所示，预报员可以十分便捷的在预报模式、预报时效、预报区域中进行快速切换，浏览关心的降水区域，对比模式差异和模式演变。就这次暴雨过程而言，从多模式预报对比和稳定性对比发现，通过选取ECMWF全球、集合最优百分位降水、自适应集成降水及Logistic订正降水进行对比，发现各家模式或者客观方法都预报了这次京津冀暴雨过程，但是也存在一定分歧：从不同预报时效看，随着时效的临近，各家模式和客观方法的一致性均在不断提高；从预报稳定性来看，集合最优百分位降水预报的预报最为稳定，说明集合成员之间的相似性随着时效临近而增加，预报确定性程度更高。
3.历史个例检索模块
预报员还可以使用平台中的历史检索模块，查询历史相似个例。首先，预报员可以通过选定关注区域：全国或者6个预设区域（分别是华北、华东、华南、华中、西北以及西南地区），或者可以通过自定义经纬度的方式进行设定目标区域；设定后，会以热力图的方式返回目标区域内的相似过程暴雨过程时间，热力图中颜色越深表示相似程度可能越高。当点击某个热力图模块，就会得到当天关注模式的实况预报对比评分图以及对应24小时预报中间时刻的形势场预报图。