基于机器学习的华北气温多模式集合预报的订正方法

• 作 者: 门晓磊 焦瑞莉 王鼎 赵晨光 刘亚昆 夏江江 李昊辰 严中伟
• 机 构: 北京信息科技大学信息与通信工程学院,北京信息科技大学信息管理学院,中国科学院大气物理研究所东亚区域气候-环境重点实验室,北京大学数学科学学院,中国科学院大学
• 出 处: 气候与环境研究
• 发表日期: 2019年1期
• 关键词: 地面2m气温 多模式集合平均 岭回归 随机森林 深度学习 2-m above surface air temperatureMulti-model ensemb
• 基金项目: 中国科学院战略性先导科技专项(A类-XDA19030403、XDA19040202),北京信息科技大学2017年度“实培计划”.

模式预报的订正是决定局地天气预报结果的一个重要步骤,基于机器学习的后处理模型近年来开始崭露头角。本文发展了基于岭回归(Ridge)、随机森林(Random Forest,RF)和深度学习(Deep Learning,DL)的3种后处理模型,基于中国气象局(CMA)的BABJ模式、欧洲中期天气预报中心(ECMWF)的ECMF模式、日本气象厅(JMA)的RJTD模式和NCEP的KWBC模式这4个数值天气预报模式2014年2月至2016年9月(训练期)近地面2m气温预报和实况资料确定各模型参数,进而对2016年