|
|||||
|
|
| 基于深度学习改进数值天气预报模式和预报的研究及挑战 | |
| 摘 要： | 随着高分辨率数值天气模式以及新一代地球观测系统的发展,气象领域的数据量在迅速增加,为天气和气候的理论研究和业务应用提供了丰富的信息,同时也对传统的数据处理方法及天气分析和预报技术带来了新的挑战。深度学习具有从大量的高维时空分布气象数据中提取复杂时空特征的能力,且具备计算效率高、可迁移性强、协同性和灵活性优的特点。目前深度学习已经在对流短时临近预报、极端事件检测和改进数值天气模式及其预报误差订正等方面得到了较为广泛的研究。首先概述目前气象领域所应用的深度学习方法和模型,然后聚焦介绍和讨论数据驱动的深度学习在理论驱动的数值天气预报模式方面的应用。深度学习在数值天气预报模式的资料同化、次网格物理过程参数化、数值天气模式后处理等方面展现出很好的应用前景,但仍需要进一步改善深度学习模型的可解释性和不确定性量化问题。构建数据驱动的深度学习和理论驱动的数值天气模式混合模型,发挥深度学习和数值天气模式的协同作用,将是进一步改善数值天气预报能力的新途径。 |
| 本文献已被 CNKI 等数据库收录！ | |