气象科学

作者：蒋鹏，胡轶佳，钟中，孙源，吕硕

单位：国防科技大学 气象海洋学院, 南京 211101,,国防科技大学 气象海洋学院, 南京 211101,,国防科技大学 气象海洋学院, 南京 211101;南京大学 江苏省气候变化协同创新中心, 南京 210023,,国防科技大学 气象海洋学院, 南京 211101,,国防科技大学 气象海洋学院, 南京 211101,

关键词：中国夏季降水预测;机器学习;年际增量法;卷积神经网络;奇异值分解

基金：国家重点研发计划项目（2018YFC1505803）；国家自然科学基金资助项目（41675077；42075035）

将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子，建立基于卷积神经网络（Convolutional Neural Network，CNN）的非线性预测模型，对中国160个测站夏季降水展开预测研究，并与基于线性奇异值分解（Singular Value Decomposition，SVD）的预测模型进行效果对比。结果表明：CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数（ACC）分别为74.33和0.12，比SVD高2.15和0.06，说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中，CNN对SVD预测较好年份的预测效果提升较为明显，对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差，订正后CNN对拉尼娜年的降水预测改进较大。结果表明，基于年际增量法的CNN预测模型展示出较好的潜在应用价值。

来源：2023年第5期

《气象科学》期刊编辑部

查看气象科学杂志2023年第5期