基于多神经网络的动态权重集成温度预报订正研究OA北大核心CSTPCD
Research on Temperature Forecast Correction by Dynamic Weight Integration Based on Multi-neural Networks
基于CMA-GD模式预报数据,利用多神经网络的动态权重集成方法,开展了贵州省温度预报订正研究,最终获得本地化温度预报订正产品.结果表明:(1)在对历史数据检验评估的基础上,利用多种神经网络方法可有效降低模式系统误差,通过BP、BP_GA、WAVENN、GRNN、LSTM等神经网络订正,2020年贵州省0～72h预报时效的温度平均绝对误差较模式降低0.01～0.17℃;(2)考虑到不同神经网络订正结果的差异性,采用动态权重方案对订正结果进行优势集成…查看全部>>
Based on the forecast data from the CMA-GD model,the present study uses dynamic weight integration based on multi-neural networks to improve temperature forecasting in Guizhou Province and obtain corrected localized temperature forecasts.The results show that:(1)Based on the verification and evaluation of observational data,multi-neural networks can effectively reduce model bias.The mean absolute error(MAE)of 0～72 h temperature in Guizhou Province in 2020 is…查看全部>>
朱育雷;杨静;钟水新;朱文达;李智玉;魏涛;李彦霖;顾天红
中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室,广东 广州 510641||贵州省气象台,贵州 贵阳 550002贵州省气象台,贵州 贵阳 550002中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室,广东 广州 510641贵州省气象台,贵州 贵阳 550002贵州省气象台,贵州 贵阳 550002贵州省气象台,贵州 贵阳 550002贵州省气象台,贵州 贵阳 550002贵州省气象台,贵州 贵阳 550002
大气科学
神经网络集成方法2 m温度订正CMA-GD
neural networkintegration method2 m temperaturecorrectionCMA-GD
《热带气象学报》 2024 (1)
156-168,13
中国气象局/广东省区域数值天气预报重点实验室开放基金(J202003)贵州省气象局科研业务项目([2021]07-06)贵州省气象局研究型业务关键技术攻关团队项目(GGTD-202210)共同资助
评论