EOF和BP神经网络相结合的模式温度预报误差订正方法研究

• 作者: 孙效功 崔丛欣 张苏平
• 来源期刊: 气候变化研究快报
• 学科: 地球科学
• 关键词: 预报误差订正 经验正交分解 BP神经网络
• 年，卷（期）: qhbhyjkb_2020,（4）
• 页码范围: 240-253
• 页数: 14页
• 分类号: P45

摘要

由于受模式初始场、模式物理过程和算法等的误差影响,数值模式预报结果与实际情况总是存在一定差距。为了降低数值模式的预报误差,提高数值预报结果的准确性,对数值模式的预报结果进行后处理,模式预报误差订正就是一种常用的模式预报结果后处理方法。对此,本文提出了一种经验正交函数(EOF)与BP神经网络相结合的模式预报误差订正方法,并基于2015-2018GRAPES_Meso数值模式的2 m温度预报资料和欧洲中心的再分析资料进行了订正预报试验。试验结果表明,EOF与BP神经网络相结合的订正方法具有较强的时效性,在前几个月能有效改善预报效果,提高了预报精度;与BP神经网络订正方法相比,其前期的订正效果要明显地优于BP神经网络的订正效果。