|
|||||
|
|
| 深度神经网络方法在山东降水相态判别中的应用 | |
| 摘 要： | 利用欧洲中心(ECMWF)ERA-Interim再分析资料,通过分析2008—2017年山东冬半年不同降水相态(雨、雪和雨夹雪)下温度和位势厚度特征,统计得到8个降水相态判别因子(T_(2 m)、T_(1000)、T_(975)、T_(950)、T_(925)、T_(850)、H_(850-700)、H_(1000-850)),并给出每个判别因子降水相态阈值指标。然后利用8个判别因子和阈值建立降水相态判别方程和训练DNN模型,通过随机检验发现DNN法对雨、雪和雨夹雪的预报准确率分别提高1.9%、0.2%和21.6%;利用ECMWF细网格预报资料进行个例检验,雨、雪和雨夹雪共106站中判别方程法判别错误29站,DNN法判别错误14站,即DNN法的降水相态判别能力优于判别方程法,且明显提高了对雨夹雪的判别能力。 |
| 本文献已被 CNKI 等数据库收录！ | |