| 基于机器学习的风场预报订正方法研究 |
| |
| 引用本文： | 许立兵,孔扬,周峥,王安喜,梁逸爽.基于机器学习的风场预报订正方法研究[J].陕西气象,2023(1):15-20. |
| |
| 作者姓名： | 许立兵 孔扬 周峥 王安喜 梁逸爽 |
| |
| 作者单位： | 1国家超级计算无锡中心；2无锡九方科技有限公司;3宁波市气象局；4宁波市气象灾害应急预警中心;1国家超级计算无锡中心；2无锡九方科技有限公司；5清华大学地球系统科学系 |
| |
| 基金项目： | 国家重点研发计划项目（2018YFB0505000）；宁波市“科技创新2025”重大专项（2019B10025）；宁波市气象科技计划项目（NBQX2020003B） |
| |
| 摘 要： | 为了实现更准确的站点风预报，结合中尺度数值模式WRF预报结果和自动气象站观测数据，采用反距离加权插值法，将模式网格和观测站点的数据进行融合构建训练集，利用3种机器学习方法对WRF预报的风场结果进行订正，优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差(RMSE)平均降低了18.22%,风向降低了15.97%;LightGBM模型对于风速、风向的RMSE平均降低了18.60%和17.56%;深度神经网络模型对于风速、风向的RMSE平均降低了5.53%和9.10%。对2020年宁波市9个大风过程进行检验，利用LightGBM模型对于3个站点预报进行订正，结果表明风速的RMSE从4.61 m/s下降到2.14 m/s,平均降低了53.58%,风向的RMSE从30.31°下降到18.20°,平均降低了39.95%。
|
| 关 键 词： | WRF模式 机器学习 模型解释 大风检验 |
|
| 点击此处可从《陕西气象》浏览原始摘要信息 |
| 点击此处可从《陕西气象》下载免费的PDF全文 |
|
