典型文献
一种基于神经网络的中国区域夏季降水预测订正算法
文献摘要：
基于CWRF(climate extension of WRF)区域气候模式的动力降尺度预测技术对夏季降水预测存在一定偏差,难以实现准确预测.本文立足于中国区域夏季降水特点,分析与夏季降水相关的气象要素,采用树突(dendrite,DD)网络与人工神经网络(artificial neural networks,ANN)相结合的方法,针对CWRF模式回报的1996—2019年夏季降水量进行订正,检验其订正效果.结果表明:人工树突神经网络(artificial dendritic neural network,ADNN)算法模型订正的中国夏季降水量整体好于CWRF模式历史回报,距平相关系数和时间相关系数较订正前均提高约0.10,均方误差下降约26％,趋势异常综合检验评分提高6.55,表明ADNN机器学习方法能够对CWRF模式夏季降水预测实现一定程度的订正,从而提高该模式降水预测精度.
文献关键词：
CWRF模式;夏季降水预测订正;DD与ANN;均方误差;时间相关系数;距平相关系数
中图分类号：
作者姓名：
李涛;陈杰;汪方;韩锐
作者机构：
南京信息工程大学人工智能学院,江苏 南京 210044;南京信息工程大学电子与信息工程学院,江苏 南京 210044;国家气候中心,北京 100081;中国人民解放军93117部队,江苏 南京 210018
文献出处：
引用格式：
[1]李涛;陈杰;汪方;韩锐-.一种基于神经网络的中国区域夏季降水预测订正算法)[J].干旱气象,2022(02):308-316
A类：
夏季降水预测订正,ADNN
B类：
中国区域,正算法,CWRF,climate,extension,区域气候模式,动力降尺度,预测技术,难以实现,准确预测,降水特点,水相,气象要素,树突,dendrite,DD,人工神经网络,artificial,neural,networks,ANN,年夏季,降水量,dendritic,算法模型,距平相关系数,时间相关系数,正前,均方误差,差下,趋势异常,检验评分,分提,机器学习方法
AB值：
0.303457
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
