《表1 4个模式以及4种后处理模型的均方根误差随预报时长的线性趋势》
°C d-1
为了分析机器学习订正随着预报时效增加的整体效果和整体变化趋势,使用预报期(2016年10月至2017年9月)的数据对4个数值预报模式、EMN、Ridge、RF以及DL的预报结果进行评估。从均方根误差的分布(图2)可以看出:Ridge、RF和DL的均方根误差几乎一致,差别很小,且比单模式和集合平均都要好,ECMF和EMN次之,其余单模式的均方根误差都较大。3种订正方法的均方根误差比EMN提高0.5°C左右。随着预报时效的增加,各模式的均方根误差均呈增加趋势,但随着预报时效的增加,3种订正方法与EMN的差异在缩小。Ridge、RF和DL的订正效果不相上下,但是在预报前期(第1~3天)DL的预报效果略好,预报中后期(第4~11天)Ridge的预报效果略好。总体效果而言,Ridge的预报效果略好,其平均均方根误差为2.36°C,RF的预报效果略差,其平均均方根误差为2.39°C。另外,通过计算4个数值模式、EMN和3种订正方法的预报误差随着预报时效的线性趋势(如表1)可知,ECMF和KWBC的误差随预报时效增加的速率最大,分别为0.29°C d-1和0.27°C d-1;其他模式或订正方法的误差随预报时效增加的趋势相差不大,在0.20~0.23°C d-1之间。
图表编号 | XD0039172900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.20 |
作者 | 门晓磊、焦瑞莉、王鼎、赵晨光、刘亚昆、夏江江、李昊辰、严中伟、孙建华、王立志 |
绘制单位 | 北京信息科技大学信息与通信工程学院、北京信息科技大学信息与通信工程学院、北京信息科技大学信息管理学院、北京信息科技大学信息管理学院、北京信息科技大学信息管理学院、中国科学院大气物理研究所东亚区域气候—环境重点实验室、北京大学数学科学学院、中国科学院大气物理研究所东亚区域气候—环境重点实验室、中国科学院大学、中国科学院大气物理研究所东亚区域气候—环境重点实验室、中国科学院大气物理研究所东亚区域气候—环境重点实验室 |
更多格式 | 高清、无水印(增值服务) |