典型文献
深度学习技术在智能网格天气预报中的应用进展与挑战
文献摘要：
中国智能网格天气预报已初步建立0—30 d涵盖基本气象要素的无缝隙气象预报业务体系。近年深度学习技术兴起，给不同领域带来前所未有的变革。同样，深度学习的非线性映射能力、海量信息提取能力、时空建模能力等优势为进一步提升智能网格预报的准确性和精细化水平提供了新的思路和方法。越来越多的研究将深度学习技术应用于智能网格预报的各个方面，包括数值预报订正和解释应用、集合天气预报、相似集合、统计降尺度、纯数据驱动的预报模型和极端天气预报等，并展示出良好的应用潜力。然而，目前深度学习技术在天气预报领域的应用仍处于起步阶段，将其引入智能网格预报业务体系还面临诸多挑战，主要包括算法的选择、算法的数据基础、多源数据融合以及模型的可解释性、可信度、可用性和工程化等。通过回顾近年来深度学习技术在智能网格预报中的应用进展和前景，同时对面临的挑战与应对进行探讨，将有利于促进深度学习技术在天气客观预报领域更好、更稳定的发展。
文献关键词：
智能网格预报;深度学习;统计后处理;统计降尺度;数据驱动预报模型
中图分类号：
作者姓名：
杨绚;代刊;朱跃建
作者机构：
国家气象中心,北京,100081;美国国家环境预报中心/环境模式中心,马里兰,20740
文献出处：
引用格式：
[1]杨绚;代刊;朱跃建-.深度学习技术在智能网格天气预报中的应用进展与挑战)[J].气象学报,2022(05):649-667
A类：
相似集合,数据驱动预报,数据驱动预报模型
B类：
深度学习技术,天气预报,进展与挑战,气象要素,无缝隙,气象预报,报业,业务体系,非线性映射,信息提取,时空建模,建模能力,智能网格预报,精细化水平,思路和方法,数值预报订正,统计降尺度,极端天气,展示出,数据基础,多源数据融合,可解释性,可信度,可用性,工程化,挑战与应对,进深,更稳,统计后处理
AB值：
0.223568
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
