搜索结果: 1-9 共查到“大气科学 神经网络”相关记录9条 . 查询时间(0.367 秒)
中国科学院大气物理研究所基于神经网络的大气模式动力框架非静力替代求解方案(图)
神经网络 大气模式 动力框架
2024/4/13
大气模式动力框架的非静力效应随水平分辨率的提高不断增强,当分辨率上升到一定的临界水平时,静力平衡假设为模式带来的误差开始发挥作用但仍不足够显著,称之为非静力过程影响的“灰色地带”。
中国科学院大气物理耦合图神经网络提升降水预报技巧(图)
物理耦合 神经网络 大气动力
2024/1/20
大模型时代,纯数据驱动的气象、气候模型效果逐渐追赶甚至赶超数值模式。然而,目前气象、气候大模型也仍然存在不少问题。比如物理一致性不高、辐散风预报效果不好等等,这些问题限制了对于降水等复杂天气气候现象的预测能力。目前,将物理、大气动力与深度学习模型结合成为提升模型能力,解决目前瓶颈问题的一条重要途径。中国科学院大气物理研究所LASG黄刚研究员团队基于地球系统数值模拟装置(寰)的数据和算力支持,从物理...
2021年5月20日至23日,第五届世界智能大会在天津梅江会展中心举办,大会将布设智能科技展、智能体验展供市民参观。天津市气象局提早了解需求,为智能大会提供精细化服务。
卷积神经网络预测模型:提前24个月预测ENSO(图)
神经网络 预测模型 预测ENSO
2021/1/15
厄尔尼诺-南方涛动 (ENSO)是热带地区最重要年际气候信号之一,对大气环流和降水具有全球性的影响,准确的ENSO 季节-年际预测有助于预报相关气象灾害。目前,国际和国内的预报中心大多依赖数值模式的多初值集合预报、多模式集合预报等,这些是常用的提高ENSO预报技巧的集合方法。
目前常用的统计降尺度方法低估了气象要素的方差,导致极端天气气候事件的模拟预估能力较差。近期,我院江志红教授课题组基于自组织映射神经网络方法对中国东部夏季降水进行预估,并从天气型变化的角度探讨未来降水变化的原因,相关成果已发表于《Climate Dynamics》。
基于神经网络的风电场超短期风速数值预报的动态修订
风速数值预报 神经网络 风功率 动态修订
2014/3/28
针对风电场风功率预测所需的离地70m、0~4h的超短期风速预报,本文利用中央气象台发布的MM5格点输出的数值预报风速及测风塔实时发回的气象资料,探讨了利用神经网络将前期误差观测值和测风塔湍流指标等因子对MM5数值预报风速进行动态修订的方法,建立动态修订超短期预报模型,为满足风电场超短期风功率预报的工程应用提供一定的参考。结果表明,修订后的预报风速平均绝对误差等指标大幅降低,有效地提高了预报精度。
准确的台风灾情评估,是做好防灾减灾工作、降低灾情的基础.通过分析台风灾情与致灾因子、孕灾环境和承灾体的相关关系,将时间和GDP引入到评估因子中.针对评估因子和台风灾情之间具有高度不确定的非线性关系,应用神经网络理论进行台风灾情评估,并将基于全局随机优化思想的粒子群优化(PSO)算法对BP神经网络的初始权值进行优化,以改进BP神经网络方法存在的对初始权值敏感、易陷入局部极小点的缺点,从而建立了PSO...
基于BP神经网络的气象格点数据无损压缩方法
格点资料 神经网络 无损压缩 预测编码
2009/1/19
格点资料是目前气象数据存储、传输和应用的主要形式,爆炸性增长的资料给数据的存储、传输带来了巨大压力,设计适合格点资料特点的压缩方案越来越重要。大气是一种连续介质,格点资料是反映其动力学及热力学性质的连续物理量的采样和量化,相邻格点间存在很大的相关性。在二维线性预测基础上引入BP神经网络,建立了基于神经网络的二次预测模型,有效剔除气象格点数据的冗余信息,结合熵编码,提出了一种高效无损压缩新方案。该方...