通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势...通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1~15 d预报的平均绝对误差为4.1~5.7 n mile①,均方根误差为5.4~7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5~7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。展开更多
本文利用再分析资料和WRFV3.9模式(Weather Research and Forecasting Model)对2020年7月22-24日发生在黄海海域的一次爆发性气旋进行了研究,并对其演变过程和发展机制进行了详细分析。该气旋22日12 UTC在山东南部生成,入海后开始爆发...本文利用再分析资料和WRFV3.9模式(Weather Research and Forecasting Model)对2020年7月22-24日发生在黄海海域的一次爆发性气旋进行了研究,并对其演变过程和发展机制进行了详细分析。该气旋22日12 UTC在山东南部生成,入海后开始爆发性发展,最大加深率达到1.2 Bergeron,23日在黄海中部气压降至最低990 hPa左右,24日在韩国登陆。高空强辐散、低层的暖舌结构、水汽输送和下垫面热通量的变化增强了大气斜压性,使其迅速发展。使用WRF模式对气旋进行模拟,涡度的诊断分析表明,大气低层强斜压性主要通过涡度方程的散度项对气旋的发展起作用,对流项在涡度发展旺盛的时刻也有一定影响。海温的敏感性试验表明,海温变化对气旋移动路径和中心气压影响明显。展开更多
文摘通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1~15 d预报的平均绝对误差为4.1~5.7 n mile①,均方根误差为5.4~7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5~7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。
文摘本文利用再分析资料和WRFV3.9模式(Weather Research and Forecasting Model)对2020年7月22-24日发生在黄海海域的一次爆发性气旋进行了研究,并对其演变过程和发展机制进行了详细分析。该气旋22日12 UTC在山东南部生成,入海后开始爆发性发展,最大加深率达到1.2 Bergeron,23日在黄海中部气压降至最低990 hPa左右,24日在韩国登陆。高空强辐散、低层的暖舌结构、水汽输送和下垫面热通量的变化增强了大气斜压性,使其迅速发展。使用WRF模式对气旋进行模拟,涡度的诊断分析表明,大气低层强斜压性主要通过涡度方程的散度项对气旋的发展起作用,对流项在涡度发展旺盛的时刻也有一定影响。海温的敏感性试验表明,海温变化对气旋移动路径和中心气压影响明显。