| 基于深度学习的7~15 d温度格点预报偏差订正北大核心CSCD |
| |
| 引用本文： | 胡莹莹,庞林,王启光.基于深度学习的7~15 d温度格点预报偏差订正北大核心CSCD[J].应用气象学报,2023(4):426-437. |
| |
| 作者姓名： | 胡莹莹 庞林 王启光 |
| |
| 作者单位： | 1.中国气象科学研究院100081;2.中国科学院大学100190;3.中国气象局气象干部培训学院100081; |
| |
| 基金项目： | 国家自然科学基金项目(41975100)。 |
| |
| 摘 要： | 为了提高模式对于7~15 d温度格点预报准确性,基于U-Net模型以及U-Net残差连接模型,采用2018年12月25日—2022年7月5日多种组合气象数据作为输入数据特征,针对TIGGE数据中心提供的全球集合预报CMA-GEPS 2 m气温控制预报,开展168~360 h时效的格点预报误差订正试验。结果表明:对于240 h预报时效,两种深度学习模型中,U-Net模型表现较好;对于不同输入数据特征,加入起报时刻ERA52 m气温产品的U-Net模型表现最佳,在多个预报时效上有较好的订正效果,均方根误差减小率为10%~25%,可有效改善模式对于15.75°~55.25°N,73°~136.5°E区域北部的蒙古高原、西部的青藏高原及部分山地的预报误差较大的不足;而加入CMA-GEPS控制预报10 m风预报产品后改进不明显。总体上,基于U-Net模型构建的模式格点预报偏差订正模型可有效降低7~15 d温度格点预报误差,进一步提升复杂地形下格点预报的准确性。
|
| 关 键 词： | 7~15 d温度格点预报 偏差订正 深度学习方法 |
| 本文献已被 维普 等数据库收录！ |
|
