-
题名深度学习技术在智能网格天气预报中的应用进展与挑战
被引量：36
- 1
-
-
作者
杨绚
代刊
朱跃建
-
机构
国家气象中心
美国国家环境预报中心/环境模式中心
-
出处
《气象学报》
CAS
CSCD
北大核心
2022年第5期649-667,共19页
-
基金
国家重点研发计划项目(2021YFC3000905和2017YFC1502004)
中国气象局重点创新团队(CMA2022ZD04)
中国工程院咨询研究项目(FWC2014)。
-
文摘
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。
-
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
-
Keywords
Gridded weather forecasting
Deep learning
Statistical post-process
Statistical downscaling
Data-driven forecasting model
-
分类号
P456.8
[天文地球—大气科学及气象学]
-
-
题名基于ConvLSTM机器学习的风暴潮漫滩预报研究
被引量：13
- 2
-
-
作者
谢文鸿
徐广珺
董昌明
-
机构
南京信息工程大学海洋数值模拟与观测实验室
南方海洋科学与工程广东省实验室(珠海)
广东海洋大学电子与信息工程学院
-
出处
《大气科学学报》
CSCD
北大核心
2022年第5期674-687,共14页
-
基金
南方海洋科学与工程广东省实验室(珠海)资助项目(SML2020SP007)
江苏省自然资源发展专项资金(海洋科技创新)项目(JSZRHYKJ202102)
广东省海洋经济发展(海洋六大产业)专项资金项目(粤自然资合[2020]049)
-
文摘
风暴潮是指由强烈的大气扰动所导致的海面异常升高现象,由热带气旋引起的风暴潮常对沿海地区造成巨大的社会经济、人类活动和生命财产危害。依靠数据驱动的强非线性映射能力的机器学习方法较传统数值模式预报在耗费研究资源和计算时间上更具优势。本文选取广东省珠江口为研究区域,基于卷积长短时记忆网络(Convolutional LSTM network, ConvLSTM)机器学习算法展开风暴潮漫滩预报研究,利用由再分析资料驱动的数值模式产品构建了历史台风漫滩数据集,用于机器学习模型训练、验证和测试。研究了两种预报方式,一种是基于海表面高度场的自回归预报,另一种是依赖预报风场和初始海表面高度场进行的预报;它们可以实现基于数据驱动的风暴潮漫滩预报,其中自回归预报模型表现更优。相较于传统动力学数值预报,基于数据驱动的ConvLSTM预报模型结构更为轻便,所需驱动数据更少,在缺少边界条件、地形、径流等信号时,在短临预报中仍能基本复现数值模式模拟的结果。
-
关键词
风暴潮
ConvLSTM
机器学习
数据驱动预报
-
Keywords
storm surge
ConvLSTM
machine learning
data-driven forecast
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
P731.23
[天文地球—海洋科学]
-
