基于深度學(xué)習(xí)的大風(fēng)訂正預(yù)報研究

摘要： 基于數(shù)值預(yù)報模式產(chǎn)品的風(fēng)速預(yù)報集成學(xué)習(xí)誤差訂正方法，通過長短期記憶網(wǎng)絡(luò)（LSTM）和殘差神經(jīng)網(wǎng)絡(luò)（ResNet）構(gòu)建新的風(fēng)速預(yù)測混合模型ResNet-LSTM。采用2019—2020年歐洲中期天氣預(yù)報中心39種數(shù)值天氣預(yù)報模式產(chǎn)品訓(xùn)練深度學(xué)習(xí)模型，對格點(diǎn)預(yù)報產(chǎn)品插值到站點(diǎn)后的預(yù)報結(jié)果進(jìn)行訂正。結(jié)果表明：與ECMWF的原始預(yù)報相比，ResNet-LSTM模型在預(yù)測6級以上陣風(fēng)時的... （共9頁）