朱延和, 朱寿鹏, 夏平, 等. 2024. 基于U-net神经网络的新疆十米风速预报订正研究 [J]. 大气科学, 48(6). ZHU Yanhe, ZHU Shoupeng, XIA Ping, et al. 2024. Forecast Calibration of 10-m Wind Speed Based on a U-net Neural Network over Xinjiang [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 48(6). doi: 10.3878/j.issn.1006-9895.2406.23152
摘要
本文以新疆地区1～7 d预报时效的10 m风速为研究对象，基于2000～2019年NCEP全球集合预报系统（Global Ensemble Forecasting System，GEFS）新疆地区10 m风再预报资料，构建了基于U-net神经网络的深度学习预报订正模型，并以两种传统方法递减平均、分位数映射作为参考进行订正技巧对比分析。结果表明，原始GEFS风速预报误差呈不对称分布，表现出更多的正偏差特征，且在天山和昆仑山等海拔较高地区误差较大。与两种传统方法相比，U-net模型提高了整个新疆地区的风速预报技巧，有效改善了原始风速预报的正偏差情况，且对天山和昆仑山等原始预报误差较大区域改善效果尤为显著。此外，采用基于均方差分解的误差分解方法来分析误差来源，结果表明，预报订正前后，序列误差项始终是主要误差来源，且随预报时效显著增长。三种订正方法对风速预报的偏差项、分布误差项和序列误差项都有不同程度的改进，其中U-net模型相较于两种参考预报的优势主要在于其对序列误差项的改进效果。经过U-net模型订正后序列误差项随预报时效增长缓慢，即使在7 d预报时效下，其序列误差项比原始预报减小60%。
欢迎关注《大气科学》微信公众号
