基于时空深度学习模型的数值降水预报后处理

作     者：郑超昊 尹志伟 曾钢锋 许月萍 周鹏 刘莉 ZHENG Chao-hao;YIN Zhi-wei;ZENG Gang-feng;XU Yue-ping;ZHOU Peng;LIU Li

作者机构：浙江大学建筑工程学院浙江杭州310058 台州市水利局浙江台州318000 台州市水利水电勘测设计院有限公司浙江台州318000 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2023年第57卷第9期

页      面：1756-1765页

核心收录：

学科分类：08[工学] 081501[工学-水文学及水资源] 0815[工学-水利工程] 

基　　金：公共安全科技关键技术、装备研发及应用示范-基于大数据和人工智能的流域性洪水灾害预防预警关键技术和应用示范(2021C03017) 浙江省自然科学基金“基于智能化参数分区和定量降水预报的椒江流域集合洪水预报研究”(LQ22E090004) 基于多源信息和深度学习的台风暴雨洪水分布式预报预警研究(2023M733117) 

主　　题：ECMWF 时空后处理模型 深度学习 降水预报 

摘      要：为了提高降水预报的精度和分辨率,以浙江省椒江流域为研究对象,使用CMA-CMORPH降水网格数据集和ECMWF数值降水预报产品,提出基于深度学习的降水后处理模型CNN-LSTM.探讨在不同预报时效的后处理前后降水预报的精度变化,评估降水预报对典型暴雨事件的预报能力.结果表明:CNN-LSTM能够显著提升原始降水预报的精度,均方根误差从6.0 mm下降为3.0 mm,相关系数从0.6上升至0.9.2起台风事件后处理的降水预报在椒江流域逐6 h面雨量误差均不超过10%.经过雨季后处理的TS评分集中于0.90;并且在各降水等级表现均好于后处理前,小雨TS评分从不足0.80提升至0.91,中雨的TS评分从不足0.50提升至0.60.