典型文献
基于卷积神经网络的京津冀地区高分辨率格点预报偏差订正试验
文献摘要：
为了进一步提高RISE系统高分辨率网格化预报产品的准确率,同时考虑到深度学习近年来在地学领域的有效应用,采用2019—2021年高分辨率RISE系统数据,设计出卷积神经网络模型Rise-Unet,实现了未来4～12 h地面2 m温度、2 m相对湿度、10 m-U风速以及10 m-V风速预报结果的订正.订正试验结果表明,采用均方根误差和平均绝对误差作为评分标准,与RISE原始预报结果相比,基于Rise-Unet模型可以有效提高温湿风预报结果的准确率.该基于深度学习的Rise-Unet偏差订正技术可应用于RISE系统的后处理模块,对提升RISE系统百米级分辨率或其他高分辨率模式系统格点预报水平具有重要的科学意义和应用价值.
文献关键词：
天气预报;深度学习;高分辨率;偏差订正
中图分类号：
作者姓名：
张延彪;宋林烨;陈明轩;韩雷;杨璐
作者机构：
中国海洋大学,山东青岛266100;北京城市气象研究院,北京100089
文献出处：
引用格式：
[1]张延彪;宋林烨;陈明轩;韩雷;杨璐-.基于卷积神经网络的京津冀地区高分辨率格点预报偏差订正试验)[J].大气科学学报,2022(06):850-862
A类：
B类：
京津冀地区,格点预报,预报偏差,偏差订正,订正试验,RISE,网格化,预报产品,地学,有效应用,系统数据,卷积神经网络模型,Rise,Unet,相对湿度,风速预报,平均绝对误差,评分标准,温湿,百米级,高分辨率模式,报水,意义和应用,天气预报
AB值：
0.295216
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。
