基于机器学习的数值天气预报风速订正研究

• 作者: 严中伟 夏江江 孙全德 孙建华 李昊辰 梁钊明 焦瑞莉 王立志
• 来源期刊: 气象
• 学科: 地球科学
• 关键词: ECMWF模式 机器学习 模式输出统计(MOS) 风速 华北
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 技术交流
• 页码范围: 426-436
• 页数: 11页
• 分类号: P456
• 字数: 5625字
• 语种: 中文
• 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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦瑞莉		35	128	6.0	10.0
2	孙建华	中国科学院大气物理研究所	101	3629	32.0	58.0
3	严中伟	中国科学院大气物理研究所	18	672	8.0	18.0
4	梁钊明	中国气象科学研究院灾害天气国家重点实验室	8	62	5.0	7.0
5	夏江江	中国科学院大气物理研究所	2	6	1.0	2.0
6	王立志	中国科学院大气物理研究所	6	46	3.0	6.0
7	孙全德		1	6	1.0	1.0
8	李昊辰		1	6	1.0	1.0