典型文献
卷积神经网络在ENSO预报中的应用
文献摘要：
为提高对ENSO的预报能力,同时针对用机器学习方法做气候预报时观测资料不足的问题,基于深度卷积神经网络(convolutional neural networks,CNN)架构,以CMIP6模式资料和GODAS观测资料为数据集,训练出一个应用于ENSO预报的神经网络.结果表明,在训练神经网络时引入CMIP6模式资料能提高数据量,解决了机器学习中观测资料不足的问题.在时效为1～9个月的后报实验中,神经网络的表现优于传统的动力模式和统计模式.对照实验显示模式数据的加入以及采用集合预报的方法有利于改善预报效果,热含量数据的加入则表现出负面效果.对后报实验的结果分析显示,神经网络的预报准确度存在年内和年际变化,其中年内变化与ENSO预报中普遍存在的春季预报障碍有关.实验结果显示卷积神经网络在ENSO预报中的有效性.
文献关键词：
气象学;海气相互作用;ENSO;机器学习;卷积神经网络
中图分类号：
作者姓名：
李孝涌;陈科艺;李熙晨
作者机构：
成都信息工程大学大气科学学院,四川成都610225;中国科学院大气物理研究所,北京100029
文献出处：
引用格式：
[1]李孝涌;陈科艺;李熙晨-.卷积神经网络在ENSO预报中的应用)[J].成都信息工程大学学报,2022(01):81-87
A类：
GODAS
B类：
ENSO,时针,机器学习方法,气候预报,报时,观测资料,深度卷积神经网络,convolutional,neural,networks,CMIP6,练出,数据量,动力模式,对照实验,集合预报,预报效果,年际变化,气象学,海气相互作用
AB值：
0.287833
相似文献
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。
