基于机器学习的数值天气预报风速订正研究
  • 【DOI】

    10.7519/j.issn.1000-0526.2019.03.012

  • 【摘要】

    对风速进行准确预测是精细化天气预报服务(如风能发电、冬季奥运会赛场条件保障等)的重要环节.本文基于三种机器学习算法(LASSO回归、随机森林和深度学习),对数值天气预报模式ECMWF预测的华北地区近地面10 m风速进行订正.首先利用LASSO回归算法提取对10m风速有重要影响的气象要素特征集,将其作为三种机器学习算法的输入,建立相应模型对ECMWF预测的风速进行订正.用提取后的气象要素特征集建模有... 展开>>对风速进行准确预测是精细化天气预报服务(如风能发电、冬季奥运会赛场条件保障等)的重要环节.本文基于三种机器学习算法(LASSO回归、随机森林和深度学习),对数值天气预报模式ECMWF预测的华北地区近地面10 m风速进行订正.首先利用LASSO回归算法提取对10m风速有重要影响的气象要素特征集,将其作为三种机器学习算法的输入,建立相应模型对ECMWF预测的风速进行订正.用提取后的气象要素特征集建模有助于减少计算量和存储开销,并减小模型的复杂性,从而提高模型的泛化能力.将订正结果与传统订正方法模式输出统计(model output statistics,MOS)得到的订正结果进行对比.结果 表明,三种机器学习算法的订正效果均好于MOS方法,显示了机器学习方法在改善局地精准气象预报方面的潜力. 收起<<

  • 【作者】

    孙全德  焦瑞莉  夏江江  严中伟  李昊辰  孙建华  王立志  梁钊明 

  • 【作者单位】

    北京信息科技大学/中国科学院大气物理研究所/北京大学/中国气象科学研究院灾害天气国家重点实验室

  • 【刊期】

    气象 ISTIC PKU 2019年3期

  • 【关键词】

    ECMWF模式  机器学习  模式输出统计(MOS)  风速  华北 

  • 【基金项目】

    中国科学院战略性先导科技专项 北京信息科技大学2017年度“实培计划”共同资助