基于CNN-LSTM的珠江河口台风过程实时滚动修正预报OA北大核心CSTPCD

为改善台风预报精度,基于实时滚动修正预报思路,利用卷积神经网络嵌套长短期记忆神经网络(CNN-LSTM)和误差校正(EC)技术,搭建了珠江河口台风实时预报模型。研究结果表明:“滚动预报”比单次预报有更好的路径和强度预报效果,随着模型滚动时间的延长,预报整体精度有逐渐改善的趋势。路径预报结果的均方根误差比单次预报减小了25.67%,强度预报结果的平均绝对误差比单次预报减小了65.04%;考虑误差校正的CNN-LSTM-EC的路径、强度“滚动预报”效果均优于CNN-LSTM,前者的路径预报误差较后者减小了22.57%,强度预报误差减小2.5%。