典型文献
基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究
文献摘要：
长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度(Tmax)具有显著的低频(10～30 d和30～60 d周期)变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域Tmax低频变化的大尺度环流/对流信号包含:自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流;这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域Tmax的低频变化.为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域Tmax与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络(Convo-lutional Neural Network,CNN)对大量历史数据进行训练,并构建了长江流域Tmax的延伸期预报模型.在独立预报阶段,CNN预报模型对长江流域区域平均Tmax的预报时效达30 d,提前5～30 d预报的Tmax与观测Tmax的时间相关系数介于0.63～0.70(通过99％置信度的显著性检验),量级偏差(均方根误差)小于1个标准差,显示出CNN在延伸期灾害天气预报的应用潜力.
文献关键词：
长江流域高温热浪;低频振荡;卷积神经网络;延伸期预报;日最高气温预报
中图分类号：
作者姓名：
雷蕾;徐邦琪;高庆九;谢洁宏
作者机构：
南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际联合实验室/气象灾害预报预警与评估协同创新中心,江苏南京210044;广东省揭阳市气象局,广东揭阳515599
文献出处：
引用格式：
[1]雷蕾;徐邦琪;高庆九;谢洁宏-.基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究)[J].大气科学学报,2022(06):835-849
A类：
长江流域高温热浪,日最高气温预报
B类：
日最高温度,延伸期预报,预报方法研究,夏季高温,多发区,Tmax,滞后相关,温方,低频变化,大尺度环流,欧亚大陆,东移,南下,低频波,波列,东北亚,向西南方,西太平洋,向东,东亚,辐射加热,绝热过程,先兆信号,尺度因子,非线性作用,机器学习方法,Convo,lutional,Neural,Network,历史数据,预报模型,区域平均,报时,时间相关系数,置信度,显著性检验,灾害天气,天气预报,低频振荡
AB值：
0.303247
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。
