基于TIGGE資料中的歐洲中期天氣預(yù)報中心(ECMWF)、英國氣象局(UKMO)、美國國家環(huán)境預(yù)報中心(NCEP)、韓國氣象廳(KMA)、和日本氣象廳(JMA)五個中心2015年1月1日—9月30日中國地區(qū)(70°—140°E,15°—60°N)2m氣溫、10m緯向風(fēng)、10m經(jīng)向風(fēng)和2m露點溫度24—168 h集合預(yù)報資料,結(jié)合ERA-Interim再分析日資料,并且將其作為“觀測”資料來參與訓(xùn)練和預(yù)報效果的檢驗。首先,利用“觀測”資料對不同模式多要素的預(yù)報值進(jìn)行檢驗,了解各模式對多要素的預(yù)報誤差,評估其預(yù)報能力;然后再使用長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)、淺層神經(jīng)網(wǎng)絡(luò)(NN)、隨機(jī)森林(RF)、滑動訓(xùn)練期消除偏差集合平均(BREM)和滑動訓(xùn)練期多模式超級集合(SUP)方法對多個模式的結(jié)果進(jìn)行后處理預(yù)報試驗,評估不同后處理方法的預(yù)報效果;最后,探究傳統(tǒng)多模式集成和機(jī)器學(xué)習(xí)對2013年夏季我國南方地區(qū)區(qū)域性高溫的第三次過程(7月22日—8月21日)的集成預(yù)報。綜合來看,對中國區(qū)域多氣象要素的預(yù)報能力最好的單模式是ECMWF。各個中心模式的預(yù)報效果區(qū)別較大,并且在地理分布上存在明顯的差異。在...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 國內(nèi)外研究進(jìn)展
        1.2.1 多模式集成研究進(jìn)展
        1.2.2 神經(jīng)網(wǎng)絡(luò)的國內(nèi)外發(fā)展
第二章 資料和方法
    2.1 TIGGE資料介紹
    2.2 本文所用的資料
        2.2.1 模式資料
        2.2.2 “觀測”資料
    2.3 方法
        2.3.1 滑動訓(xùn)練期消除偏差集合平均
        2.3.2 滑動訓(xùn)練期超級集合
        2.3.3 隨機(jī)森林
        2.3.4 淺層神經(jīng)網(wǎng)絡(luò)
        2.3.5 LSTM神經(jīng)網(wǎng)絡(luò)
    2.4 評估方法
第三章 單個模式預(yù)報能力的對比檢驗
    3.1 引言
    3.2 各模式對地面氣溫預(yù)報的能力評估
    3.3 各模式對緯向風(fēng)預(yù)報的能力評估
    3.4 各模式對經(jīng)向風(fēng)預(yù)報的能力評估
    3.5 各模式對露點溫度預(yù)報的能力評估
    3.6 本章小結(jié)
第四章 多模式集成及機(jī)器學(xué)習(xí)對多要素預(yù)報能力的對比試驗
    4.1 引言
    4.2 多模式集成及機(jī)器學(xué)習(xí)對地面氣溫預(yù)報能力的對比試驗
    4.3 多模式集成及機(jī)器學(xué)習(xí)對緯向風(fēng)預(yù)報能力的對比試驗
    4.4 多模式集成及機(jī)器學(xué)習(xí)對經(jīng)向風(fēng)預(yù)報能力的對比試驗
    4.5 多模式集成及機(jī)器學(xué)習(xí)對露點溫度預(yù)報能力的對比試驗
    4.6 本章小結(jié)
第五章 多模式集成及機(jī)器學(xué)習(xí)對高溫過程預(yù)報能力的對比試驗
    5.1 引言
    5.2 資料
        5.2.1 模式資料
        5.2.2 “觀測”資料
    5.3 多模式集成及機(jī)器學(xué)習(xí)對高溫過程預(yù)報能力的對比試驗
    5.4 本章小結(jié)
第六章 總結(jié)與討論
參考文獻(xiàn)
作者簡介
致謝



本文編號：3755337