论文部分内容阅读
数值天气预报作为现代天气预报的主流技术方法,近年来不断朝着精细化方向发展,但预报误差至今仍无法避免.文中在CU-Net模型中引入稠密卷积模块形成数值预报要素偏差订正模型Dense-CUnet,在此基础上进一步融合多种气象要素和地形特征构建了Fuse-CUnet模型,开展不同模型的偏差订正试验和对比分析.以均方根误差(RMSE)和平均绝对误差(MAE)作为评分标准,通过与ECMWF原始预报结果、ANO方法订正结果以及CU-Net方法订正结果进行对比,证明Dense-CUnet模型可有效改进数值预报订正效果,融合多个要素的Fuse-CUnet模型能使订正效果有更大提升.