首页|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

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

Extended-range forecasting method of summer daily maximum temperature in the Yangtze River Basin based on convolutional neural net-work

扫码查看
原文链接
  • 维普
  • 万方数据
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.

雷蕾、徐邦琪、高庆九、谢洁宏

展开 >

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

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

国家自然科学基金国家自然科学基金

4208810142075032

2022

10.13878/j.cnki.dqkxxb.20211101001

大气科学学报
南京信息工程大学

大气科学学报

CSTPCDCSCD北大核心
影响因子：1.558
ISSN：1674-7097
年,卷(期)：2022.45(6)
  • 3
  • 1