EC细网格10 m风场产品在青岛港区的预报检验和随机森林订正

利用2021年3月—2022年2月EC细网格10 m风场预报产品,对其在青岛港区的风场预报能力进行检验和订正。结果表明:对于大港码头、董家口港自动站和董家口港浮标站,EC细网格前48 h的10 m风速预报偏差离散程度相对较小,预报偏差中位数均大于0,表明模式风速预报较实况有系统性偏强的特征。EC细网格24 h预报的10 m风速与实况风速相关性较好,3个站点的相关系数分别为0.76、0.73、0.82。EC细网格对大港码头各风向的风速预报均偏大,在实况风向为东北风和偏东风时,EC细网格风速预报的均方根误差和平均误差最大;对于董家口港自动站和董家口港浮标站,不同风向下EC细网格的风速预报均方根误差差别不大。EC细网格对3个站点的风向预报偏差主要集中在-45°~45°,实况风速越小,风向的预报偏差离散程度越大。利用随机森林算法对青岛港区EC细网格预报风速进行订正,预报精度均得到提高。

基于深度学习的大风订正预报研究

基于数值预报模式产品的风速预报集成学习误差订正方法,通过长短期记忆网络(LSTM)和残差神经网络(ResNet)构建新的风速预测混合模型ResNet-LSTM。采用2019—2020年欧洲中期天气预报中心39种数值天气预报模式产品训练深度学习模型,对格点预报产品插值到站点后的预报结果进行订正。结果表明:与ECMWF的原始预报相比,ResNet-LSTM模型在预测6级以上阵风时的TS评分整体可以提高50%以上,预报精度提升。寒潮大风和台风大风的个例分析也表明,ResNet-LSTM可以有效解决大风漏报问题,对站点风速的预报订正效果显著。