因此,将深度学习引入天气预报中,可以帮助提取复杂大气系统的特征,并改善数值模型的预报结果。 多要素深度学习融合订正方法是一种将深度学习与多种观测资料相结合的预报订正方法。这种方法首先收集多种观测资料,如气象站点观测数据、卫星遥感数据、探空观测数据等,作为训练数据集。然后,利用深度学习算法,构建一个深度神经...
内容提示: 数值天气预报多要素深度学习融合订正方法 *张延彪 1,2 陈明轩 2 韩 雷 1,2 宋林烨 2 杨 璐 2ZHANG Yanbiao 1,2 CHEN Mingxuan 2 HAN Lei 1,2 SONG Linye 2 YANG Lu 21. 中国海洋大学,青岛,2661002. 北京城市气象研究院,北京,1000891. Ocean University of China,Qingdao 266100,China2. ...
数值天气预报作为现代天气预报的主流技术方法,近年来不断朝着精细化方向发展,但预报误差至今仍无法避免。文中在CU-Net模型中引入稠密卷积模块形成数值预报要素偏差订正模型Dense-CUnet,在此基础上进一步融合多种气象要素和地形特征构建了Fuse-CUnet模型,开展不同模型的偏差订正试验和对比分析。以均方根误差(RMSE)和平均绝...
以均方根误差(RMSE)和平均绝对误差(MAE)作为评分标准,通过与ECMWF原始预报结果、ANO方法订正结果以及CU-Net方法订正结果进行对比,证明Dense-CUnet模型可有效改进数值预报订正效果,融合多个要素的Fuse-CUnet模型能使订正效果有更大提升。 【总页数】15页(P153-167) 【关键词】数值天气预报;深度学习;偏差订正;融合订正...