基于卷积神经网络的湖南盛夏高温过程延伸期智能预报

摘要

本研究旨在提升湖南省盛夏(7、8月)高温过程的延伸期预报技巧。本文利用1999—2022年湖南省97个站点逐日最高气温资料以及次季节-季节(sub-seasonal to seasonal prediction, S2S)模式数据中欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)两种模式预报产品，并基于模式温度与环流预报产品提取物理因子，结合卷积神经网络(convolutional neural network, CNN)构建了湖南省盛夏高温过程的预报模型(high temperature prediction model, HTPM);对订正后的S2S模式和构建的预报模型结果进行集成，以实现对区域高温过程较为稳定的相对高技巧预报。结果表明：S2S模式的原始预报技巧较低，偏差订正能显著提高预报效果，但存在较高的空报率；基于ECMWF的S2S数据训练的高温预报模型(HTPM-ECS2S)和基于NCEP的S2S数据训练的高温预报模型(HTPM-NCEPS2S)能有效捕捉高温事件，在高温预报中具有较高的预报技巧；集成方案有效整合了多模型优点，可提升预报的准确性和可靠性。

关键词

高温过程 / 延伸期预报 / 卷积神经网络 / 集成预报