-
题名利用深度学习预报美国东北部日降水分布
- 1
-
-
作者
张弛
陈国兴
杨洪涛
-
机构
复旦大学大气与海洋科学系/大气科学研究院/中国气象局-复旦大学海洋气象灾害联合实验室
上海期智研究院
复旦大学上海市海洋-大气相互作用前沿科学研究基地
-
出处
《大气科学学报》
CSCD
北大核心
2024年第1期55-64,共10页
-
基金
国家自然科学基金资助项目(42275074)。
-
文摘
现阶段降水预报主要依靠数值天气预报模式。但受物理参数化、计算资源等因素的影响,基于数值模式的降水预报还存在非常大的不确定性。近年来,深度学习在天气预报领域显示出巨大优势和潜力。本文通过构建神经网络预报美国东北部日降水分布,探讨神经网络模型基于低分辨率气象场(ERA-Interim, 0.7°)预报高分辨率降水(CPC,0.25°)的能力,并比较3种主流网络框架(VGG,ResNet, GoogleNet)在该任务中的表现。结果表明,3种网络框架都对美国东北部日降水分布具有一定的预报能力(VGG框架表现最优),但三者的均方根误差(RMSE)均高于ERA-Interim 24-h(ERA24)的降水预报。3种神经网络的集合预报结果优于ERA24预报,且这三者与ERA24预报结果的集合平均能够显著提高ERA24对不同季节、不同强度降水的预报。
-
关键词
降水预报
深度学习
神经网络框架
模式评估
美国东北部
-
Keywords
precipitation forecast
deep learning
neural network framework
model evaluation
northeastern United States
-
分类号
P457.6
[天文地球—大气科学及气象学]
-