基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究

摘要：

基于海洋气象历史观测资料和再分析数据等,利用LSTM深度神经网络方法,开展在有监督学习情况下的海面风场短时预报应用研究.以中国近海5个代表站为研究区域,通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集.选取21个变量作为预报因子,分别构建两个LSTM深度神经网络框架(OBS_LSTM和ALL_LSTM).经与2017年WRF模式6 h预报结果对比分析,得出如下结论:构建的两个LSTM风速预报模型可以大幅降低风速预报误差,RMSE分别降低了41.3％和38.8％,MAE平均降低了43.0％和40.0％;风速误差统计和极端大风分析发现,LSTM模型能够抓住地形、短时大风和台风等敏感信息,对于大风过程预报结果明显优于WRF模式;两种LSTM模型对比发现,ALL_LSTM模型风速预报误差最小,具有很好的稳定性和鲁棒性,OBS_LSTM模型应用范围更广泛.

关键词：深度学习、LSTM、海面风速、短时预报、WRF模式

所属期刊栏目：42

分类号：P732.4(海洋基础科学)

资助基金：国家重点研发计划;国家自然科学基金;河海大学中央高校基本科研业务费

在线出版日期：2020-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：67-77