基于机器学习的非线性局部Lyapunov向量集合预报订正OA北大核心CSTPCD
Machine learning based method of correcting nonlinear local Lyapunov vectors ensemble forecasting
基于Lorenz96模型初步探讨了机器学习算法提高非线性局部Lyapunov向量(NLLV)集合预报效果的可行性和有效性.结果表明:基于岭回归算法和NLLV集合预报结果建立的机器学习模型(Ens-ML)能够有效提高整体预报技巧,而且优于集合平均预报(EnsAve)、控制预报(Ctrl)以及基于Ctrl结果建立的机器学习模型(Ctrl-ML).同时,还发现Ens-ML的预报技巧改进程度依赖于集合成员的数量,即增加集合成员数有助于提高Ens-ML模型…查看全部>>
康俊锋;冯松江;邹倩;李艳杰;丁瑞强;钟权加
江西理工大学土木与测绘工程学院, 赣州 341000江西理工大学土木与测绘工程学院, 赣州 341000中国科学院大气物理研究所, 大气科学和地球流体力学数值模拟国家重点实验室, 北京 100029中国科学院大气物理研究所, 大气科学和地球流体力学数值模拟国家重点实验室, 北京 100029中国科学院大学地球科学学院, 北京 100049中国科学院大气物理研究所, 大气科学和地球流体力学数值模拟国家重点实验室, 北京 100029
机器学习非线性局部Lyapunov向量集合预报Lorenz96模型
《物理学报》 2022 (8)
热带太平洋区域外海－气系统对ENSO可预报性的影响
46-54,9
国家自然科学基金(批准号:42105059,41975070)、上海台风研究基金(批准号:TFJJ202108)和江西省03专项及5G项目(批准号:20204ABC03A04)资助的课题.