基于多要素3D特征提取的短期定量降水预报技术研究.pdfVIP

ＤＯＩ：１０．１３８７８／ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０２３１２２２００４

熊文睿张恒德陆振宇郭云谦１２１２

基于多要素３Ｄ特征提取的短期定量降水预报技术研究

摘要０引言

由于空间分辨率有限、物理参数化方案不

够完善、泛化性较弱等原因，使得传统业务数值传统的数值天气预报（ＮｕｍｅｒｉｃａｌＷｅａｔｈｅｒＰｒｅｄｉｃｔｉｏｎ，ＮＷＰ）方

天气模式（ＮＷＰ）在定量降水预报中存在固有［１］

法需要大量的气象观测数据和计算资源来支撑其复杂的气象动力

偏差，而深度学习神经网络具有强大的非线性

拟合能力、能够自主性学习到任务相关的关键学模拟，但随着时间的推移，数据的精度和存储方式可能发生变化，

特征、泛化性较高等优势，有望改善现状．为此，导致长期维护数据的完整性变得更加困难；且传统ＮＷＰ使用的物理

本文提出一种基于多要素３Ｄ特征提取的