基于GRU深度学习的短时临近降水预报订正方法

为提高短时临近降水预报准确率,提出一种订正广西对流尺度数值预报模式(GRAPES-GX)降水预报产品的深度学习方法。该方法通过神经网络对实况进行时空特征提取,以门控循环网络(GRU)为基础框架,针对降水产品进行改进,并用于GRAPES-GX降水预报产品订正。在此基础上,设计了大气物理规律适配模块,通过物理条件匹配机制订正模式预报降水强度与落区的系统性误差,增强训练样本中预报产品和实况的特征相关性,并协同优化模型参数,获得更优的订正效果。广西区域试验结果表明:订正模型在各预报时效、各降水强度等级的TS(threat score)评分均得到正技巧,总体TS技巧评分为2.21%。对于不低于0.1 mm·h^(-1)、不低于2 mm·h^(-1)、不低于7 mm·h^(-1)、不低于15 mm·h^(-1)、不低于25 mm·h^(-1)和不低于40 mm·h^(-1)降水强度预报TS技巧评分分别为5.67%、3.59%、2.18%、1.46%、1.01%和0.46%。0~2 h、2~4 h和4~6 h时效预报TS技巧评分分别为4.77%、1.28%和0.91%。

网络媒体供给侧改革的动因及路径

网络媒体的高速发展伴随着新闻内容同质化、供需错位等问题,"供给侧"的缺陷导致网络媒体公信力下降和受众流失,网络媒体亟须"供给侧改革"。本文以广西新闻网为例,分析网络媒体供给侧改革的动因,并指出其供给侧改革的有效途径:结构和内容"双管齐下"、以全媒体矩阵重塑网络媒体信息传播模式、以精品内容和创新产品增强网络媒体影响力。