基于U-net神经网络的新疆10 m风速预报订正研究OA北大核心CSTPCD
本文以新疆地区1~7 d预报时效的10 m高度处风速为研究对象,基于2000~2019年NCEP全球集合预报系统(Global Ensemble Forecasting System,GEFS)新疆地区10 m风再预报资料,构建了基于U-net神经网络的深度学习预报订正模型,并以两种传统方法递减平均、分位数映射作为参考进行订正技巧对比分析。结果表明,原始GEFS风速预报误差呈不对称分布,表现出更多的正偏差特征,且在天山和昆仑山等海拔较高地区误差较大。与两种传统方法相比,U-net模型提高了整个新疆地区的风速预报技巧,有效改善了原始风速预报的正偏差情况,且对天山和昆仑山等原始预报误差较大区域改善效果尤为显著。此外,采用基于均方误差分解的误差分解方法来分析误差来源,结果表明,预报订正前后,序列误差项始终是主要误差来源,且随预报时效显著增长。三种订正方法对风速预报的偏差项、分布误差项和序列误差项都有不同程度的改进,其中U-net模型相较于两种参考预报的优势主要在于其对序列误差项的改进效果。经过U-net模型订正后序列误差项随预报时效增长缓慢,即使在7 d预报时效下,其序列误差项比原始预报减小60%。
朱延和;朱寿鹏;夏平;孔扬;周林义;吕阳;王宇浩;张殷宸;智协飞;霍文;艾力亚尔·艾海提;
宁波市气象局,宁波315012 中国气象局乌鲁木齐沙漠气象研究所新疆塔克拉玛干沙漠气象国家野外科学观测研究站/新疆沙漠气象与沙尘暴重点实验室/塔克拉玛干沙漠气象野外科学试验基地/新疆云降水物理与云水资源开发实验室/西天山云降水物理野外科学观测基地,乌鲁木齐830002中国气象局交通气象重点开放实验室/南京气象科技创新研究院,南京210041南京信息工程大学气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心,南京210044宁波市气象局,宁波315012中国气象局乌鲁木齐沙漠气象研究所新疆塔克拉玛干沙漠气象国家野外科学观测研究站/新疆沙漠气象与沙尘暴重点实验室/塔克拉玛干沙漠气象野外科学试验基地/新疆云降水物理与云水资源开发实验室/西天山云降水物理野外科学观测基地,乌鲁木齐830002
大气科学
新疆10m风速预报订正U-net神经网络误差分解
《大气科学》 2024 (006)
P.2300-2315 / 16
江西省重点研发计划项目20223BBG71019;中国气象局创新发展专项CXFZ2023J008;中国气象局重点创新团队项目CMA2022ZD04;中国气象局能力提升联合研究专项22NLTSZ001;国家自然科学基金项目42105008。
评论