首页> 中文期刊> 《应用气象学报》 >基于ECMWF产品的站点气温预报集成学习误差订正

基于ECMWF产品的站点气温预报集成学习误差订正

         

摘要

提出一种基于数值模式预报产品的气温预报集成学习误差订正方法,通过人工神经网络、长短期记忆网络和线性回归模型组合出新的集成学习模型(ALS模型),采用2013-2017年的欧洲中期天气预报中心数值天气预报模式2 m气温预报产品和中国部分气象站点数据,利用气象站点气温、风速、气压、相对湿度4个观测要素,挖掘观测数据的时序特征并结合模式2 m气温预报结果训练机器学习模型,对2018年模式2 m气温6~168 h格点预报产品插值到站点后的预报结果进行偏差订正.结果 表明:ALS模型可将站点气温预报整体均方根误差由3.11℃降至2.50℃,降幅达0.61℃(19.6%),而传统的线性回归模型降幅为0.23℃(8.4%).ALS模型对站点气温预报误差较大的区域和气温峰值预报的订正效果尤为显著,因此,集成学习方法在数值模式预报结果订正中具有较大的应用潜力.

著录项

  • 来源
    《应用气象学报》 |2020年第4期|494-503|共10页
  • 作者单位

    清华大学地球系统科学系地球系统数值模拟教育部重点实验室 北京100084;

    清华大学地球系统科学系地球系统数值模拟教育部重点实验室 北京100084;

    国家超级计算无锡中心 无锡214011;

    国家超级计算无锡中心 无锡214011;

    清华大学地球系统科学系地球系统数值模拟教育部重点实验室 北京100084;

    国家超级计算无锡中心 无锡214011;

    清华大学地球系统科学系地球系统数值模拟教育部重点实验室 北京100084;

    国家超级计算无锡中心 无锡214011;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类
  • 关键词

    气温预报; 机器学习; 集成学习; 数值天气预报;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号