EOF和BP神经网络相结合的模式温度预报误差订正方法研究

作者：崔丛欣,孙效功,张苏平

摘要：由于受模式初始场、模式物理过程和算法等的误差影响,数值模式预报结果与实际情况总是存在一定差距。为了降低数值模式的预报误差,提高数值预报结果的准确性,对数值模式的预报结果进行后处理,模式预报误差订正就是一种常用的模式预报结果后处理方法。对此,本文提出了一种经验正交函数(EOF)与BP神经网络相结合的模式预报误差订正方法,并基于2015-2018GRAPES_Meso数值模式的2 m温度预报资料和欧洲中心的再分析资料进行了订正预报试验。试验结果表明,EOF与BP神经网络相结合的订正方法具有较强的时效性,在前几个月能有效改善预报效果,提高了预报精度;与BP神经网络订正方法相比,其前期的订正效果要明显地优于BP神经网络的订正效果。

发文机构：中国海洋大学 南京气象科技创新研究院

关键词：预报误差订正经验正交分解BP神经网络Forecast Error CorrectionEOFBP Neural Network

分类号： P45[天文地球—大气科学及气象学]