從大量研究工作中可知,人工智能(AI)技術可以用于改進強對流天氣臨近預報。重慶市氣象局與百度公司合作,基于2008—2018年的天氣雷達數(shù)據(jù),采用TrajGRU技術,初步建立了三維雷達回波智能臨近預報模型。結合地面觀測資料和U-net技術,對雷暴大風和冰雹進行智能識別。將以上技術用于降水、雷暴大風和冰雹的臨近預報業(yè)務中。與SWAN產品相比,AI產品在回波演變預報方面有明顯優(yōu)勢。雷達回波智能預報能力隨時間降低的速度低于傳統(tǒng)外推方法,對長時效雷達回波預報明顯提升。降水智能預報較SWAN降水預報有一定程度提高。在2019年業(yè)務試運行過程中,雷暴大風、冰雹智能預報模型提前量分別為77和37 min。AI技術在重慶的強對流天氣臨近預警業(yè)務中的研究與應用已初見成效。

【文章頁數(shù)】：11 頁

【部分圖文】：

圖１?２０１８年５月２２日（ａ，ｂ，ｃ，ｄ）０１：００—０２：３０雷達回波實況，００：３０起報的??（ｅ，ｆ，ｇ，ｈ）智能預報結果及（ｉ，ｊ，ｋ，ｌ）ＳＷＡＮ回波外推預報對比??Ｆｉｇ．?１?Ｒａｄａｒ?ｅｃｈｏ?ｆｒｏｍ?０１：００?ｔｏ?０２：?３０?ＢＴ?２２?Ｍａｙ?２?

第１０期??顧建峰等：人工智能技術在重慶臨近預報業(yè)務中的初步研究與應用??１２８９??１０５?１０６?１０７?１０８?１０９?１１０°Ｅ?１０５?１０６?１０７?１０８?１０９?１１０°Ｅ?１０５?１０６?１０７?１０８?１０９?１１０°Ｅ?１０５?１０６?１０７?１０８?１０９....

圖３?２０１６年（ａ）５月６日２０時冰雹和（ｂ）６月１４日２２時雷暴大風??智能識別模型的識別結果與實況的對比??（填色均為雷達回波，黑色圓點表示ＡＩ模型識別結果，圖３ａ三角為災情直報中報告的??—

第１０期??顧建峰等：人工智能技術在重慶臨近預報業(yè)務中的初步研究與應用??１２９１??３０．０°Ｎ??２９．５??２９．０??２８．５??１０６??１０６．５??１０７？５。Ｅ??２９．５??１０７．２?１０７．３?１０７．４?１０７．５?１０７．６?１０７．７°Ｅ??３０．１°....

圖４?２０１８年４月２２日０６時起報的（ａ，ｃ）第１?ｈ，（ｂ，ｄ）第２?ｈ智能降水預報（ａ，ｂ）??和降水實況（ｃ，ｄ）對比??Ｆｉｇ．?４?Ｃｏｍｐａｒｉｓｏｎ?ｂｅｔｗｅｅｎ?（ａ，?ｂ）?ＡＩ?ｆｏｒｅｃａｓｔ?ａｎｄ?（ｃ，ｄ）?ｏｂｓｅｒｖａｔｉｏｎ??ｗｉｔｈ?ｉｎｉｔｉａｌ?ｔｉｍｅ?ａｔ?０６：００?ＢＴ?２２?Ａｐｒｉｌ?２０１８??（ａ，?ｃ?

冰雹智能猶報模ＳＩ共疋確預報冰雹??ｇ〇３．站．次，空親為１．３?．蛾次，＿報為．次ｆ?ＣＳＩ：雜??分為０．０４２．ＰＯＤ為１．?０。即無漏報，但ｇ報嚴重：ｓ??若取第■一個預報出冰雹的時爾靈冰霍發(fā)生時刻的時??間＃為預報提前量，則模型平均：提前３７?ｍｂ預推出??ｍｍ?？?ｈ....

圖５?２０１８年１０次區(qū)域暴雨天氣過程中降水智能預報和ＳＷＡＮ降水預報（ａ，ｃ）ｌ?ｈ預報時效，??（ｂ，ｄ）２?ｈ預報時效的（ａ，ｂ）ＣＳＵ平分及（ｃ，ｄ）頻率偏差??Ｆｉｇ．?５?ＣＳＩ?ｓｃｏｒｅｓ?（ａ，?ｂ）?ａｎｄ?ｆｒｅｑｕｅｎｃｙ?Ｂｉａｓ?（ｃ，?ｄ）?ｏｆ?ＡＩ?ａｎｄ?ＳＷＡＮ?ｐｒｅｃｉｐｉｔａｔｉｏｎ?ｆｏｒｅｃａｓｔｓ?ｗｉｔｈ??（ａ，ｃ）?１?ｈ?ｌｅａｄ?ｔｉｍｅ?ａｎｄ?（ｂ，?ｄ）?２?ｈ?ｌｅａｄ?ｔｉｍｅ?ｉｎ?１０?ｃ?

第１０期??顧建峰等：人工智能技術在重慶臨近預報業(yè)務中的初步研究與應用??１２９３??０．８??０．６??８?０．４??０．２??０．０??０．８??０．６??｜?０．４??０．２??０．０??圖５?２０１８年１０次區(qū)域暴雨天氣過程中降水智能預報和ＳＷＡＮ降水預報（ａ，ｃ）ｌ?ｈ....

本文編號：3966092