基于GRU深度学习的短时临近降水预报订正方法

作     者：曾小团 邹晨曦 范娇 王庆国 黄大剑 梁潇 丁禹钦 谭肇 Zeng Xiaotuan;Zou Chenxi;Fan Jiao;Wang Qingguo;Huang Dajian;Liang Xiao;Ding Yuqin;Tan Zhao

作者机构：广西壮族自治区气象台南宁530022 北京思湃德信息技术有限公司北京100081 

出 版 物：《应用气象学报》 (Journal of Applied Meteorological Science)

年 卷 期：2024年第35卷第5期

页      面：513-525页

核心收录：

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：广西自然科学基金项目(2022GXNSFAA035482) 桂气科重点项目(2024201) 

主　　题：预报订正 深度学习 门控循环网络 

摘      要：为提高短时临近降水预报准确率,提出一种订正广西对流尺度数值预报模式(GRAPES-GX)降水预报产品的深度学习方法。该方法通过神经网络对实况进行时空特征提取,以门控循环网络(GRU)为基础框架,针对降水产品进行改进,并用于GRAPES-GX降水预报产品订正。在此基础上,设计了大气物理规律适配模块,通过物理条件匹配机制订正模式预报降水强度与落区的系统性误差,增强训练样本中预报产品和实况的特征相关性,并协同优化模型参数,获得更优的订正效果。广西区域试验结果表明:订正模型在各预报时效、各降水强度等级的TS(threat score)评分均得到正技巧,总体TS技巧评分为2.21%。对于不低于0.1 mm·h^(-1)、不低于2 mm·h^(-1)、不低于7 mm·h^(-1)、不低于15 mm·h^(-1)、不低于25 mm·h^(-1)和不低于40 mm·h^(-1)降水强度预报TS技巧评分分别为5.67%、3.59%、2.18%、1.46%、1.01%和0.46%。0~2 h、2~4 h和4~6 h时效预报TS技巧评分分别为4.77%、1.28%和0.91%。