基于海洋氣象歷史觀測資料和再分析數(shù)據(jù)等,利用LSTM深度神經(jīng)網(wǎng)絡(luò)方法,開展在有監(jiān)督學(xué)習(xí)情況下的海面風(fēng)場短時(shí)預(yù)報(bào)應(yīng)用研究。以中國近海5個(gè)代表站為研究區(qū)域,通過氣象臺站觀測數(shù)據(jù)和ERA-Interim 6 h再分析數(shù)據(jù)構(gòu)建數(shù)據(jù)集。選取21個(gè)變量作為預(yù)報(bào)因子,分別構(gòu)建兩個(gè)LSTM深度神經(jīng)網(wǎng)絡(luò)框架（OBS_LSTM和ALL_LSTM）。經(jīng)與2017年WRF模式6 h預(yù)報(bào)結(jié)果對比分析,得出如下結(jié)論:構(gòu)建的兩個(gè)LSTM風(fēng)速預(yù)報(bào)模型可以大幅降低風(fēng)速預(yù)報(bào)誤差,RMSE分別降低了41.3%和38.8%,MAE平均降低了43.0%和40.0%;風(fēng)速誤差統(tǒng)計(jì)和極端大風(fēng)分析發(fā)現(xiàn),LSTM模型能夠抓住地形、短時(shí)大風(fēng)和臺風(fēng)等敏感信息,對于大風(fēng)過程預(yù)報(bào)結(jié)果明顯優(yōu)于WRF模式;兩種LSTM模型對比發(fā)現(xiàn),ALL_LSTM模型風(fēng)速預(yù)報(bào)誤差最小,具有很好的穩(wěn)定性和魯棒性,OBS_LSTM模型應(yīng)用范圍更廣泛。 

【文章來源】：海洋學(xué)報(bào). 2020,42(01)北大核心CSCD

【文章頁數(shù)】：11 頁

【參考文獻(xiàn)】：
期刊論文
[1]中國近海海上溢油一體化預(yù)測預(yù)警系統(tǒng)研究——系統(tǒng)介紹[J]. 李歡,王國松,李文善,李程,潘嵩,高通,張?jiān)鼋?董軍興.  海洋信息. 2018(04)
[2]中國沿海海表溫度均一性檢驗(yàn)和訂正[J]. 李琰,王國松,范文靜,劉克修,王慧,Birger Tinz,Hans von Storch,馮建龍.  海洋學(xué)報(bào). 2018(01)
[3]黃海海霧WRF數(shù)值模擬中垂直分辨率的敏感性研究[J]. 楊悅,高山紅.  氣象學(xué)報(bào). 2016(06)
[4]基于CFD技術(shù)的陡峭山體風(fēng)場模擬方法研究[J]. 李磊,張立杰,陳柏緯.  氣象學(xué)報(bào). 2016(04)
[5]馬航MH370殘骸漂移軌跡分析和預(yù)測[J]. 高佳,牟林,王國松,李程,董軍興,鮑獻(xiàn)文,李歡,宋軍.  科學(xué)通報(bào). 2016(21)
[6]全球海洋預(yù)報(bào)與科學(xué)大數(shù)據(jù)[J]. 王輝,劉娜,逄仁波,孫曉宇.  科學(xué)通報(bào). 2015(Z1)
[7]近10年中國現(xiàn)代天氣預(yù)報(bào)的發(fā)展與應(yīng)用[J]. 李澤椿,畢寶貴,金榮花,徐枝芳,薛峰.  氣象學(xué)報(bào). 2014(06)
[8]高分辨率合成孔徑雷達(dá)衛(wèi)星反演風(fēng)場資料在中國近海風(fēng)能資源評估中的應(yīng)用研究[J]. 常蕊,朱蓉,周榮衛(wèi),葉冬,張曉偉,Merete Badger,Charlotte Bay Hasager.  氣象學(xué)報(bào). 2014(03)
[9]我國近海風(fēng)能資源分布特征分析[J]. 王國松,高山紅,吳彬貴,侯敏,解以揚(yáng).  海洋科學(xué)進(jìn)展. 2014(01)
[10]利用循環(huán)3DVAR改進(jìn)黃海海霧數(shù)值模擬初始場Ⅰ:WRF數(shù)值試驗(yàn)[J]. 高山紅,齊伊玲,張守寶,傅剛.  中國海洋大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(10)



本文編號：3606158