该文旨在改进风速订正模型,以提高第6代跨学科气候研究模式(Model for Interdisciplinary Research on Climate Version 6,MIROC6)历史时期10 m风速的模拟准确性。研究基于Informer模型,结合多层感知机,构造了非平稳Informer(Ns-Informe...该文旨在改进风速订正模型,以提高第6代跨学科气候研究模式(Model for Interdisciplinary Research on Climate Version 6,MIROC6)历史时期10 m风速的模拟准确性。研究基于Informer模型,结合多层感知机,构造了非平稳Informer(Ns-Informer)10 m风速订正模型。研究提出了一种新的加权趋势均方误差损失函数,以优化模型在高风速条件下的订正性能,选取北京站、拐子湖站、茫崖站、吉安站4个代表站进行验证。结果表明:Ns-Informer在月尺度和年代际尺度上均能还原风速时间分布特征,订正后10 m风速的均方根误差降低20%~50%,在风速超过5 m·s^(-1)时表现最佳。Ns-Informer订正后的月平均10 m风速演变趋势与观测吻合度提高。在夏季和秋季订正效果显著,月平均10 m风速均方根误差降低25%以上。年代际变化趋势的订正表明Ns-Informer能矫正MIROC6对风速长期变化趋势的偏差,订正后的风速序列捕获了不同站点风速长期的上升或下降趋势。未来情景检验进一步表明:Ns-Informer能在SSP1-2.6情景下对高风速阈值的订正稳定性优于MIROC6。Ns-Informer可以有效降低MIROC6的系统偏差,为未来气候变化情景下风速的精确预估提供参考。展开更多
文摘该文旨在改进风速订正模型,以提高第6代跨学科气候研究模式(Model for Interdisciplinary Research on Climate Version 6,MIROC6)历史时期10 m风速的模拟准确性。研究基于Informer模型,结合多层感知机,构造了非平稳Informer(Ns-Informer)10 m风速订正模型。研究提出了一种新的加权趋势均方误差损失函数,以优化模型在高风速条件下的订正性能,选取北京站、拐子湖站、茫崖站、吉安站4个代表站进行验证。结果表明:Ns-Informer在月尺度和年代际尺度上均能还原风速时间分布特征,订正后10 m风速的均方根误差降低20%~50%,在风速超过5 m·s^(-1)时表现最佳。Ns-Informer订正后的月平均10 m风速演变趋势与观测吻合度提高。在夏季和秋季订正效果显著,月平均10 m风速均方根误差降低25%以上。年代际变化趋势的订正表明Ns-Informer能矫正MIROC6对风速长期变化趋势的偏差,订正后的风速序列捕获了不同站点风速长期的上升或下降趋势。未来情景检验进一步表明:Ns-Informer能在SSP1-2.6情景下对高风速阈值的订正稳定性优于MIROC6。Ns-Informer可以有效降低MIROC6的系统偏差,为未来气候变化情景下风速的精确预估提供参考。
