基于LGU-Net的数值天气预报融合订正方法
赵宇恒
王璐
吴鲲鹏
袁建富
长光卫星技术股份有限公司,吉林 长春 130000
摘要：数值天气预报是现代天气预报的主流技术方法,近年来一直在向精细化方向发展,但预报误差仍无法完全避免.本研究提出了基于LSTM-GAM-UNet(LGU-Net)的数值预报偏差订正模型,该模型在CU-Net的基础上引入了长短期记忆网络(Long Short-Term Memory,LSTM)结构和全局注意力机制(Global Attention Mechanism,GAM),进一步融合多种气象要素、"吉林一号"卫星获取的地形特征以及卫星云图,构建多要素融合订正模型,并专门针对气象预报领域进行了优化设计.在中国东北地区进行实验,对美国国家环境预报中心的全球预报系统(Global Forecast System,GFS)数值预报模式中2m温度(T2)、2 m露点温度(D2)、10 m的风速(U10、V10)和降水量进行订正,并进行了不同模型的偏差订正实验和对比分析.通过与GFS数值预报模式原始预报结果、模式距离积分订正预报法(Anomaly Numerical-correction with Observation,ANO)订正结果以及CU-Net方法订正结果进行对比,结果表明LGU-Net模型能有效改进数值预报订正效果.此外,云图数据的加入对降水量订正有着明显的正向增益效果,其均方根误差(RMSE)和平均绝对误差(MAE)相对于GFS分别提升了80.76%和76.04%.本研究为高精度气象要素预报提供了新的技术支持.
关键词：数值天气预报深度学习LGU-Net偏差订正
分类号：P456.7(天气预报)
论文发表日期：2025-12-31
在线出版日期：2026-01-12（本平台首次上网日期，不代表文献的发表时间）
页数：13( 859-871 )
英文信息