基于WRF数值模式的SDAE-SVR风速预测模型研究

作     者：陈巧特 符冉迪 何彩芬 CHEN Qiaote;FU Randi;HE Caifen

作者机构：宁波大学信息科学与工程学院浙江宁波315211 镇海区气象局浙江宁波315202 

出 版 物：《宁波大学学报（理工版）》 (Journal of Ningbo University：Natural Science and Engineering Edition)

年 卷 期：2020年第33卷第2期

页      面：47-53页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61471212) 浙江省自然科学基金(LY16F010001) 宁波市自然科学基金(2016A610091,2017A610297) 

主　　题：天气研究和预报模式 支持向量回归 堆栈降噪自动编码 深度学习 风速预测 

摘      要：风速预测是风力预报中的核心与基础,采用天气研究和预报(Weather Research and Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(Support Vector Regression,SVR)相结合的风速预测模型.该模型以WRF模式预报输出的多种气象变量为基础,结合气象自动观测站传感器的实测风速,引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder,SDAE)深度网络来学习样本数据中隐含的深度特征,然后将该深度网络最后一层输出的深度特征置入回归器SVR中,利用SVR良好的回归预测性能对WRF模式预报的未来1 h风速进行预测订正.结果表明:所建立的SDAE-SVR风速预测模型具有较高的风速预测精度,在对典型日的WRF模式预报未来1 h风速的预测订正中,其平均百分比误差与均方根误差仅为8.28%与0.8066m·s^-1.