本文将全球预报系统(GFS,Global forecast system)分析数据和预报数据作为训练集和测试集,利用BP(Back propagation)神经网络后报风场,将BP后报结果松弛逼近到天气研究和预报(WRF,Weather research and forecasting)模式的后报阶段,改善...本文将全球预报系统(GFS,Global forecast system)分析数据和预报数据作为训练集和测试集,利用BP(Back propagation)神经网络后报风场,将BP后报结果松弛逼近到天气研究和预报(WRF,Weather research and forecasting)模式的后报阶段,改善WRF模式对强降水的预报效果。以2018年5月22日青岛地区强降水为例,利用青岛地区7个气象站的观测数据和雷达回波图检验优化方法对强降水的后报效果。结果表明,松弛逼近BP后报风场后,降水强度有了明显改善,相比于不松弛逼近任何数据的WRF模式,松弛逼近BP后报风场的WRF模式24 h降水量误差减少了8.62 mm,但后报降水量仍弱于实际降水量。展开更多
文摘本文将全球预报系统(GFS,Global forecast system)分析数据和预报数据作为训练集和测试集,利用BP(Back propagation)神经网络后报风场,将BP后报结果松弛逼近到天气研究和预报(WRF,Weather research and forecasting)模式的后报阶段,改善WRF模式对强降水的预报效果。以2018年5月22日青岛地区强降水为例,利用青岛地区7个气象站的观测数据和雷达回波图检验优化方法对强降水的后报效果。结果表明,松弛逼近BP后报风场后,降水强度有了明显改善,相比于不松弛逼近任何数据的WRF模式,松弛逼近BP后报风场的WRF模式24 h降水量误差减少了8.62 mm,但后报降水量仍弱于实际降水量。