基于ECMWF产品的站点气温预报集成学习误差订正

发布时间：2021-07-30 03:50

　　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。 

【文章来源】：应用气象学报. 2020,31(04)北大核心CSCD

【文章页数】：10 页

【参考文献】：
期刊论文
[1]一种偏差订正方法在平昌冬奥会气象预报的应用[J]. 张玉涛,佟华,孙健.  应用气象学报. 2020(01)
[2]10～30 d延伸期可预报性与预报方法研究进展[J]. 章大全,郑志海,陈丽娟,张培群.  应用气象学报. 2019(04)
[3]ECMWF高分辨率模式2m温度预报误差订正方法研究[J]. 薛谌彬,陈娴,张瑛,郑婧,马晓华,张雅斌,潘留杰.  气象. 2019(06)
[4]一阶卡尔曼滤波方法对EC集合预报气温的订正[J]. 王秀娟,陈长胜,冯旭,马洪波.  气象灾害防御. 2019(01)
[5]针对模式风场的格点预报订正方案对比[J]. 曾晓青,薛峰,姚莉,赵声蓉.  应用气象学报. 2019(01)
[6]循环神经网络在雷达临近预报中的应用[J]. 韩丰,龙明盛,李月安,薛峰,王建民.  应用气象学报. 2019(01)
[7]基于支持向量机的雷暴大风识别方法[J]. 杨璐,韩丰,陈明轩,孟金平.  应用气象学报. 2018(06)
[8]一个简单的格点温度预报订正方法[J]. 潘留杰,薛春芳,王建鹏,张宏芳,王丹,胡皓.  气象. 2017(12)
[9]MOS温度预报中最优训练期方案[J]. 吴启树,韩美,郭弘,苏同华.  应用气象学报. 2016(04)
[10]气温插值中不同空间插值方法的适用性分析——以江苏省为例[J]. 彭彬,周艳莲,高苹,居为民.  地球信息科学学报. 2011(04)



本文编号：3310632