EOF和BP神經網絡相結合的模式溫度預報誤差訂正方法研究

作者：崔叢欣,孫效功,張蘇平

摘要：由于受模式初始場、模式物理過程和算法等的誤差影響,數值模式預報結果與實際情況總是存在一定差距。為了降低數值模式的預報誤差,提高數值預報結果的準確性,對數值模式的預報結果進行后處理,模式預報誤差訂正就是一種常用的模式預報結果后處理方法。對此,本文提出了一種經驗正交函數(EOF)與BP神經網絡相結合的模式預報誤差訂正方法,并基于2015-2018GRAPES_Meso數值模式的2 m溫度預報資料和歐洲中心的再分析資料進行了訂正預報試驗。試驗結果表明,EOF與BP神經網絡相結合的訂正方法具有較強的時效性,在前幾個月能有效改善預報效果,提高了預報精度;與BP神經網絡訂正方法相比,其前期的訂正效果要明顯地優于BP神經網絡的訂正效果。

發文機構：中國海洋大學 南京氣象科技創新研究院

關鍵詞：預報誤差訂正經驗正交分解BP神經網絡Forecast Error CorrectionEOFBP Neural Network

分類號： P45[天文地球—大氣科學及氣象學]