基于全连接神经网络与分位数匹配相结合的阵风预报.pdfVIP

基于全连接神经网络与分位数匹配相结合的阵风预报.pdf

大气科学学报2025年第48卷第3期：417-428人工智能+气象专刊

TRANSACTIONSOFATMOSPHERICSCIENCEShttp://

基于全连接神经网络与分位数匹配相结合的阵风预报

胡海川,曹勇*

①国家气象中心，北京100081；

②雄安气象人工智能创新研究院，河北雄安新区070001

*联系人,E-mail:caoyong@

2024-08-28收稿，2024-10-25接受

国家重点研发计划项目（2022YFC3004200）；中国气象局重点创新团队智能预报技术团队项目（CMA2022ZD04）

关键词

摘要利用2021年1月一2022年12月中国气象局小时内最大阵风观测数据，以及

ECMWF确定性模式的24h预报数据，针对中国近海15个浮标站点，构建了3种阵风阵风预报；

预报模型：全连接神经网络方法、基于数值模式10m风速的分位数匹配订正方法，以及全连接神经

两者相结合的方法。利用2023年1一12月数据对3种阵风预报模型进行独立对比检

网络；

验。研究结果表明：在我国近海阵风预报中，单独使用全连接神经网络方法会导致强阵分位数匹配；

风的明显低估。因此，本文在全连接神经网络方法预测结果的基础上，采用分位数匹配强阵风；

方法进行再次订正，以进一步提升强阵风的预报效果。结合全连接神经网络与分位数订正方法；

匹配的阵风预报方法，能够在保持小数值阵风预报精度相对稳定的前提下有效提升强机器学习

阵风的预报效果。通过与仅基于数值模式预报10m风速进行分位数匹配的阵风预报

方法对比，验证了全连接神经网络方法作为前置步骤对提升强阵风预报效果的重要性。

针对我国近海多个浮标站点统一建立的全连接神经网络与分位数匹配相结合的阵风预

报方法，在不同海域的强阵风预报中有较好的适用性，能够为无观测资料海域的阵风预

报提供较高可信度参考。

准确的风速预报对交通运输、房屋建筑、农业生al.,2015;HarrisandKahl,2017;杨璐等,2023）。但

产等多个领域具有重要影响（陈德花等，2018；孙一阵风系数方法并没有考虑到高空气象要素对地面阵

等,2024），尤其是阵风风速（3s风速的平均）的准风的影响（Brasseur,2001），会导致强阵风被明显地

确预报更是能够显著降低大风灾害的潜在影响低估（Huetal.,2022）。研究表明,相比于阵风系数

（ZhangandProppe,2020）。然而，风速脉动成因复方法，融人了高空气象要素的多元回归阵风预报方

杂（董双林,2001），准确预测特定时段内的最大阵法在强阵风预报方面有更好的效果（Gutiérrezand

风始终是一个难点问题（Kahl,2020;Langetal.，Fovell,2018;胡海川等,2022）。

2022）。阵风可以在多尺度天气系统下产生，但直采用传统统计学方法构建阵风预报模型时，由

接影响阵风的流涡旋即使在中尺度模式中也无法于模型结构和可解释性方面的限制，能够纳入到预

被解析,因此阵风的预报需要以某种参数化的形式报模型中的气象要素的数量及种类有限，并且这类

表现出来（Wyngaard,2004;FovellandGallagher,模型在刻画不同气象要素对阵风的影响也存在局限

2022）。在众多的阵风预报方法中,阵风系数（gust性,难以全面反映其间的复杂联系。为解决上述问

factor,GF）是一种计算简便且被广泛应用的方法。题，学者们积极采用机器学习方法来构建阵风预报