文献

J-GLOBAL ID：202102269260352584   整理番号：21A1090417

機械学習に基づく複雑な地形における短期数値天気予報誤差解析と訂正【JST・京大機械翻訳】

Error analysis and correction of short-term numerical weather prediction under complex terrain based on machine learning.

著者 (7件)： Ren Ping (中国海洋大学,青島,266100;北京城市气象研究院,北京,100089) ,  Chen Mingxuan (北京城市气象研究院,北京,100089) ,  Cao Weihua (北京城市气象研究院,北京,100089) ,  Wang Zaiwen (北京城市气象研究院,北京,100089) ,  Han Lei (中国海洋大学,青島,266100) ,  Song Linye (北京城市气象研究院,北京,100089) ,  Yang Lu (北京城市气象研究院,北京,100089)
資料名： Qixiang Xuebao  (Qixiang Xuebao)
巻： 78  号： 6  ページ： 1002-1020  発行年： 2020年 
JST資料番号： W0866A  ISSN： 0577-6619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 機械学習手法XGBoostと地形特徴の影響を考慮した数値予測マルチモード統合技術を開発し、従来の等加重平均と線形回帰方法の集成効果との比較分析を行った。北京地区の快速更新循環数値予報システムを利用して、毎日8回循環予報によって提供された地表付近の2m温度、2m相対湿度、10m風速、10m風向データ製品、それぞれ機械学習方法XGBoost、等加重平均方法に基づく。地形因子の影響を表す3つのマルチモード予測時間遅延統合モデルを,線形回帰法によって構築した。比較し、暖季、冷季の毎日異なる時刻のモード予報集成の訂正効果を比較した。結果は,2mの温度と10mの風速に対するXGBoostモデルに基づくアンサンブル予報結果が,他の2つの伝統的方法より著しく優れていることを示した。XGBoostは2mの温度統合の誤差を11.02%-18.09%低減でき,10mの風速統合誤差は31.23%-33.22%減少し,10mの風向集積誤差は4.1%-8.23%減少した。2m相対湿度のアンサンブル予報誤差は従来の方法に近かった。XGBoostに基づくマルチモード統合予測モデルは,異なるモードまたは異なる時間における高速更新サイクルの予測の利点を,効果的に,そして,システム誤差を効果的に減少させ,そして,より高い精度のマルチモード統合決定論的予測製品を,提供することができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *数値予報 ,  風速 ,  相対湿度 ,  *誤差解析 ,  風向 ,  多モード ,  地表面 ,  *機械学習 ,  コーパス ,  *予測誤差 ,  予測モデル ,  アンサンブル予報
準シソーラス用語： 北京市 ,  加重平均 ,  線形回帰 , 【Automatic Indexing@JST】

分類 (2件)： 天気予報  (DC05020O) ,  大規模擾乱,台風,大気重力波  (DC05070R)

タイトルに関連する用語 (6件)： 機械学習 ,  地形 ,  短期 ,  数値天気予報 ,  誤差解析 ,  訂正