- 1、本文档共14页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1 基于机器学习的数值天气预报风速订正研
2 究
1 1 2 2 3 2
3 孙全德 焦瑞莉 夏江江 严中伟 李昊辰 孙建华
2 4
4 王立志 梁钊明
5 1 北京信息科技大学 北京 100101
6 2 中国科学院大气物理研究所 北京 100029
7 3 北京大学 北京 100871
8 4 中国气象科学研究院,灾害天气国家重点实验室 北京 100081
9 提 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、冬奥会赛场条件保障等)的重要环节。
10 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
11 北地区近地面 10 米风速进行订正。首先利用 Lasso 回归算法提取对 10 米风速有重要影响的气象要素特征
12 集,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
13 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
14 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
15 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。
16 关键词:ECMWF 模式,机器学习,MOS,风速,华北
17 Adjusting wind speed prediction of the numerical weather forecast
18 model based on machine learning methods
1 1 2 2 3 2
19 Sun Quande Jiao Ruili Xia Jiangjiang Yan Zhongwei Li Haochen Sun Jianhua
2 4
20 Wang Lizhi Liang Zhaoming
21 1 Beijing Information Science and Technology University, Beijing 100101
22 2 Chinese Academy of Sciences Institute of Atmospheric Physics, Beijing 100029
23 3 Peking University, Beijing 100871
24 4 State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081
25 Abstract: Accurate prediction of wind speed is crucial for local weather foreca
文档评论(0)