基于机器学习的海洋环境预报订正方法研究

作者：许立兵,王安喜,汪纯阳,陈悦,陈昱文,周峥,陈幸荣,邢建勇,刘克威,黄小猛

摘要：结合中尺度数值模式WRF预报数据和ERA5再分析资料,利用机器学习方法对WRF预报场的风场、温度、气压进行预报订正。采用ERA5作为真值,与原始WRF预报相比,利用随机森林模型可以将预报结果整体均方根误差降低44%以上,利用深度神经网络模型可以将预报结果整体均方根误差降低34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。

发文机构：国家超级计算无锡中心 清华大学地球系统科学系 国家海洋环境预报中心 成都信息工程大学

关键词：WRF模式随机森林深度神经网络预报订正WRF modelrandom forestdeep neural networkforecast correction

分类号： P732.4[天文地球—海洋科学]