检索结果-南通市图书馆

物理学报 2022年第8期71卷 46-54页

作者：康俊锋冯松江邹倩李艳杰丁瑞强钟权加江西理工大学土木与测绘工程学院赣州341000 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室北京100029 北京师范大学地表过程与资源生态国家重点实验室北京100875 中国科学院大学地球科学学院北京100049

基于Lorenz96模型初步探讨了机器学习算法提高非线性局部lyapunov向量(NLLV)集合预报效果的可行性和有效性.结果表明:基于岭回归算法和NLLV集合预报结果建立的机器学习模型(Ens-ML)能够有效提高整体预报技巧,而且优于集合平均预报(Ens A... 详细信息

基于Lorenz96模型初步探讨了机器学习算法提高非线性局部lyapunov向量(NLLV)集合预报效果的可行性和有效性.结果表明:基于岭回归算法和NLLV集合预报结果建立的机器学习模型(Ens-ML)能够有效提高整体预报技巧,而且优于集合平均预报(Ens Ave)、控制预报(Ctrl)以及基于Ctrl结果建立的机器学习模型(Ctrl-ML).同时,还发现Ens-ML的预报技巧改进程度依赖于集合成员的数量,即增加集合成员数有助于提高Ens-ML模型的整体预报准确率.通过对比个例预报表现得到,随着预报时间延长,Ens-ML,Ctrl-ML和Ens Ave的个例预报误差逐渐小于Ctrl.进一步分析Ens-ML,Ctrl-ML和Ens Ave预报的吸引子,发现它们的概率分布的值域收缩、峰度增大并向平均值靠拢,尤其Ens-ML的表现更为明显.

关键词：机器学习非线性局部lyapunov向量集合预报 Lorenz96模型

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Lorenz模型的集合预报与单一预报的比较研究

引用

物理学报 2018年第7期67卷 60-68页

作者：梁丁顾斌丁瑞强李建平钟权加南京信息工程大学空间天气研究所南京210044 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室北京100029 南京信息工程大学物理与光电工程学院南京210044 北京师范大学全球变化与地球系统科学研究院北京100875

根据非线性局部lyapunov向量方法和增长模繁殖方法,选取Lorenz63模型和Lorenz96模型的不同状态为例,对集合预报与单一预报的预报技巧开展了对比研究.结果表明:与单一预报比较,集合预报的均方根误差和型异常相关有明显改善,随预报时间推... 详细信息

根据非线性局部lyapunov向量方法和增长模繁殖方法,选取Lorenz63模型和Lorenz96模型的不同状态为例,对集合预报与单一预报的预报技巧开展了对比研究.结果表明:与单一预报比较,集合预报的均方根误差和型异常相关有明显改善,随预报时间推移,改善效果越显著,且集合平均优于单一预报的实验个例数逐渐增多.就概率分布(f)而言,单一预报状态的f与真实状态基本一致,不随时间变化;而集合平均预报状态的f则随时间呈现出值域变窄、峰值变大的特点.表明随预报时间的延长,单一预报状态为混沌吸引子上的随机状态,而集合平均预报状态为吸引子子集上的随机状态,这可能是集合平均误差小于单一预报的原因.

关键词：非线性局部lyapunov向量集合预报单一预报 Lorenz模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习模型的集合预报偏差订正研究

基于机器学习模型的集合预报偏差订正研究

引用

作者：冯松江江西理工大学

学位级别：硕士

在全球变暖的趋势下,极端天气气候事件异常频发,对极端天气事件等重大气象灾害的预报准确性直接关系到人民的生命财产安全和国家社会稳定。集合预报是目前天气和气候预报中的最主要的方法。然而,不完善的模式物理过程和边界条件等仍然... 详细信息

在全球变暖的趋势下,极端天气气候事件异常频发,对极端天气事件等重大气象灾害的预报准确性直接关系到人民的生命财产安全和国家社会稳定。集合预报是目前天气和气候预报中的最主要的方法。然而,不完善的模式物理过程和边界条件等仍然会对集合预报产生误差和不确定性,因此需要对集合预报结果进行偏差订正以进一步提高其预报准确率。近年来,机器学习算法被广泛应用于各个领域进行预测和数据处理分析,机器学习算法能够从海量数据中提取特征信息,并建立高精度的预测模型,具有很高的科学研究和实际应用价值。将机器学习算法用于集合预报的偏差订正中,是一种提高集合预报准确度和可靠性的新思路和新方法。本研究首先基于大气理论模型Lorenz96,探讨了机器学习算法提高非线性局部lyapunov向量(NLLV)集合预报效果的可行性和有效性,再从理论研究转入实际业务预报中的复杂数值模式里,并从多个角度展开探索和验证。本文主要开展的工作和结论如下。(1)本文首先基于Lorenz96模型初步探索验证了机器学习算法提高NLLV集合预报的效果,结果表明,基于岭回归(Ridge)算法和NLLV集合预报结果建立的机器学习模型(Ens-Rid)能够有效提高整体预报准确率,而且优于集合平均预报(Ens Ave)、控制预报(Ctl)以及基于Ctl结果建立的机器学习模型(Ctl-Rid)。(2)Ens-Rid的预报准确度改进程度依赖于集合成员的数量,即增加集合成员数有助于提高Ens-Rid模型的整体预报准确率。对比个例预报表现得到,随着预报时间延长,EnsRid、Ctl-Rid和Ens Ave的个例预报误差逐渐小于Ctl。进一步分析Ens-Rid、Ctl-Rid和Ens Ave预报的吸引子,发现它们的概率分布的值域收缩、峰度增大并向平均值靠拢,尤其Ens-Rid的表现更为明显。(3)在理论研究的基础上,进一步用机器学习算法来改进实际业务集合预报。采用了Ridge、极端梯度提升(XGBoost)、人工神经网络(ANN)和随机森林(RF)4种机器学习算法来订正中国气象局上海台风研究所台风集合同化预报系统(TEDAPS)中的台风强度预报。结果表明,XGBoost算法比其他算法更具优势,与Ens Ave相比,使用XGBoost算法订正后,最大风速(MWS)和最低海平面气压(MSLP)的预报误差分别减少35%和15%以上。(4)XGBoost算法整体上性能优于Ens Ave方法,但也存在少数样本的预报误差大于Ens Ave。偏差分析显示,TEDAPS通常会低估台风强度,对MWS预测偏低,而对MSLP预测偏高。但是,XGBoost算法可以减少偏差,提高台风强度的预报准确率。(5)XGBoost算法在热带风暴(TS,MWS≤32.6 m/s)和强台风(TY,MWS>32.6m/s)的订正方面表现出明显的差异性。尽管Ens Ave方法对TS的预报效果优于TY,但使用XGBoost算法对TY的订正效果更好。这表明XGBoost算法对改进强台风的预报更有优势。此外,XGBoost算法在订正极难预报的台风强度集合预报样本时同样表现出色。

关键词：机器学习集合预报非线性局部lyapunov向量台风强度

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Lorenz模型的集合预报与单一预报的比较及其可预报性研究

基于Lorenz模型的集合预报与单一预报的比较及其可预报性研究

引用

作者：梁丁南京信息工程大学

学位级别：硕士

大气是一个复杂的非线性系统,任何初始的微小误差都会导致预报结果存在很大的不确定性。集合预报是解决“单一确定性”预报存在“不确定性”问题,提高数值天气预报水平的有效途径之一。因而,对集合预报及其相关问题的进一步探讨,具有重... 详细信息

大气是一个复杂的非线性系统,任何初始的微小误差都会导致预报结果存在很大的不确定性。集合预报是解决“单一确定性”预报存在“不确定性”问题,提高数值天气预报水平的有效途径之一。因而,对集合预报及其相关问题的进一步探讨,具有重要的科学意义和应用价值。本文采用非线性局部lyapunov向量方法和增长模繁殖方法生成初始扰动集合,选取Lorenz模型的不同状态为例,对比研究了集合预报与单一预报的预报表现,从概率分布的角度尝试分析了集合平均具有较小预报误差的可能原因。此外,基于Kullback-Leibler散度方法,初步探讨了从集合预报的角度来进行可预报性研究的可能性,并与基于误差增长的非线性局部lyapunov指数方法进行了比较,结果表明:(1)从整体平均效果来看,非线性局部lyapunov向量方法和增长模繁殖方法的集合平均的均方根误差和型异常相关较单一预报有明显的改善。预报初期,集合平均与单一预报结果接近,随着时间的延长,集合平均对预报结果的改善作用越显著;(2)不同试验个例,其集合预报与单一预报的预报表现不同。预报早期,集合预报与单一预报的预报水平基本相同,随着时间的推移,集合预报优于单一预报的试验个例数逐渐增多;(3)单一预报状态的概率分布和真实状态基本一致,不随时间变化,而集合平均预报状态的概率分布随时间呈现出值域变窄,峰值变大的特点,意味着随时间的延长,单一预报倾向于选择吸引子上的随机状态进行预报,而集合平均倾向于选择吸引子子集上的随机状态进行预报,这可能是集合平均具有较小预报误差的原因;(4)对于简单模型Lorenz63来说,无论是其可预报性随初始误差的变化还是其可预报性的空间分布,基于集合预报的Kullback-Leibler散度方法和基于误差增长的非线性局部lyapunov指数方法的计算结果都基本一致。这意味着,至少对于Lorenz63模型而言,可以从集合预报的概率预报演变的角度来研究其可预报性。

关键词：集合预报单一预报可预报性非线性局部lyapunov向量 KL散度

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：