風(fēng)場(chǎng)的準(zhǔn)確預(yù)報(bào)是現(xiàn)代精細(xì)化天氣預(yù)報(bào)業(yè)務(wù)的重要環(huán)節(jié)。風(fēng)場(chǎng)變化會(huì)直接或間接地影響人們的生產(chǎn)和生活,特別是對(duì)于機(jī)場(chǎng)飛行活動(dòng)的影響最為明顯。當(dāng)機(jī)場(chǎng)風(fēng)場(chǎng)發(fā)生變化后,不僅會(huì)影響到飛行活動(dòng)的效率,甚至對(duì)飛行活動(dòng)的安全存在一定的威脅,因此在機(jī)場(chǎng)天氣的風(fēng)場(chǎng)預(yù)報(bào)中,對(duì)區(qū)域內(nèi)風(fēng)場(chǎng)預(yù)報(bào)的準(zhǔn)確率和時(shí)間精度要求較高。近年來(lái),國(guó)內(nèi)外學(xué)者致力于提高風(fēng)場(chǎng)預(yù)報(bào)準(zhǔn)確率的方法研究,并取得了較大的進(jìn)展,但風(fēng)場(chǎng)短臨預(yù)報(bào)的效果仍無(wú)法滿足航空航天等氣象業(yè)務(wù)的需求。本文以甘肅省為研究區(qū)域,通過(guò)對(duì)甘肅省各站點(diǎn)歷年風(fēng)場(chǎng)資料的統(tǒng)計(jì),對(duì)風(fēng)場(chǎng)的時(shí)空分布特征進(jìn)行了簡(jiǎn)要分析,探究了甘肅省風(fēng)場(chǎng)變化的特征;利用歷史地面實(shí)況觀測(cè)數(shù)據(jù)對(duì)歐洲中期天氣預(yù)報(bào)中心（ECMWF）發(fā)布的數(shù)值模式預(yù)報(bào)產(chǎn)品的風(fēng)場(chǎng)數(shù)據(jù)進(jìn)行檢驗(yàn),基于此并結(jié)合機(jī)場(chǎng)預(yù)報(bào)對(duì)風(fēng)預(yù)報(bào)的特殊要求,提出了一種集成了風(fēng)向和風(fēng)速的風(fēng)場(chǎng)預(yù)報(bào)準(zhǔn)確率（A_Int）檢驗(yàn)方法,以此檢驗(yàn)了ECMWF數(shù)值模式的風(fēng)場(chǎng)預(yù)報(bào)準(zhǔn)確率;在此基礎(chǔ)上,利用機(jī)器學(xué)習(xí)中的隨機(jī)森林（RF）算法和長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）算法,開(kāi)展了風(fēng)場(chǎng)的短臨預(yù)報(bào)和ECMWF模式風(fēng)場(chǎng)預(yù)報(bào)的訂正研究,建立了隨機(jī)森林風(fēng)場(chǎng)短臨預(yù)報(bào)模型和基于隨機(jī)森... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究區(qū)域和站點(diǎn)分布

蘭州大學(xué)碩士學(xué)位論文基于機(jī)器學(xué)習(xí)的短時(shí)風(fēng)場(chǎng)預(yù)報(bào)與訂正研究10圖2-2RNN結(jié)構(gòu)示意圖[77]RNN計(jì)算公式可表示如下[78]：=()（2-4）=(+1)（2-5）其中，g和f分別為激活函數(shù)。將公式（2-5）向公式（2-4）中反復(fù)迭代，得到公式：=V(+(1+(2+(3+)))（2-6）從公式（2-6）可以看出，、1、2…對(duì)于的結(jié)果都有影響，這也正好體現(xiàn)了RNN算法對(duì)于歷史時(shí)刻信息的記憶，而這一記憶主要是依靠記憶單元s來(lái)完成的。（2）長(zhǎng)短期記憶網(wǎng)絡(luò)算法的基本原理RNN可以把前面的信息與當(dāng)前任務(wù)連接起來(lái)，當(dāng)相關(guān)信息和預(yù)測(cè)信息之間的間隔非常小時(shí)，RNN有較強(qiáng)的預(yù)測(cè)能力，隨著間隔不斷的變大，RNN就會(huì)失去學(xué)習(xí)連接較遠(yuǎn)的信息的能力。長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）是在RNN的基礎(chǔ)上增加了門結(jié)構(gòu)[79]，是為了解決RNN算法在訓(xùn)練過(guò)程中存在的梯度爆炸和梯度消失[80]問(wèn)題而設(shè)計(jì)的，較好的解決了RNN算法在處理長(zhǎng)時(shí)間序列時(shí)的記憶問(wèn)題，即長(zhǎng)期依賴問(wèn)題。如圖2-3所示，首先輸入值和1，神經(jīng)網(wǎng)絡(luò)δ通過(guò)結(jié)果來(lái)決定1中的信息被“完全保留”或“完全遺忘”，即遺忘門，之后通過(guò)tanh層生成新的候選值，和神經(jīng)網(wǎng)絡(luò)的結(jié)果被增加到神經(jīng)元狀態(tài)中，即輸入門，最后神經(jīng)網(wǎng)絡(luò)結(jié)果通過(guò)tanh層輸出，通過(guò)上述三次更新神經(jīng)網(wǎng)絡(luò)狀態(tài)，得到最終的值，即輸出門[81]。LSTM算法因其獨(dú)特的門結(jié)構(gòu)，遺忘門舍棄或保留t-1時(shí)刻的神經(jīng)網(wǎng)絡(luò)狀態(tài)1中的信息，并通過(guò)輸入門學(xué)習(xí)t時(shí)刻數(shù)據(jù)新的信息，最后通過(guò)輸出門更新t時(shí)刻的神經(jīng)網(wǎng)絡(luò)狀態(tài)，因此LSTM能夠較好的學(xué)習(xí)長(zhǎng)時(shí)間序列中的信息，較完

蘭州大學(xué)碩士學(xué)位論文基于機(jī)器學(xué)習(xí)的短時(shí)風(fēng)場(chǎng)預(yù)報(bào)與訂正研究11美的解決了長(zhǎng)期依賴問(wèn)題。圖2-3LSTM結(jié)構(gòu)示意圖[82]2.3.3插值方法（1）Linear（雙線性插值）方法[83]。雙線性插值，顧名思義在x方向進(jìn)行一次差值，同樣在y方向也進(jìn)行一次插值，對(duì)于經(jīng)緯度為（x，y）的站點(diǎn)P，其值為(P)未知，需要先找到與P點(diǎn)臨近的四個(gè)點(diǎn)：11=(1，1)，12=(1，2)，21=(2，1)，22=(2，2)。首先在x方向進(jìn)行插值(，1)≈221(11)+121(21)（2-7）(，2)≈221(12)+121(22)（2-8）然后進(jìn)行y方向的插值(P)≈221(，1)+121(，2)（2-9）即得到站點(diǎn)P的值(，)。（2）Spline（三次樣條插值）方法[84]。三次樣條插值是通過(guò)求解光滑曲線的函數(shù)組來(lái)實(shí)現(xiàn)的，在Matlab中默認(rèn)的邊界條件為非扭結(jié)邊界條件（兩端點(diǎn)的（a）（b）（c）（d）


本文編號(hào)：3546023