西北太平洋有效波高预报的深度学习实时偏差校正方法
大气与海洋物理
2023-12-01 v1
摘要
有效波高是表征海浪最重要的参数之一，准确的数值海浪预报对海岸防护与航运至关重要。然而，由于生成海浪的风场具有随机性与非线性，以及波场与风场间复杂的相互作用，当前数值海浪预报存在偏差。本研究采用一种时空深度学习方法，对来自 ECMWF-IFS 的网格化有效波高（SWH）预报进行校正。该方法构建于轨迹门控循环单元深度神经网络之上，并对 ECMWF-IFS 的 0–240 小时 SWH 预报进行实时滚动校正。该校正模型由波场与风场共同驱动，较仅基于波场的模型给出更优结果。我们提出了一种新颖的像素切换损失函数。该像素切换损失函数可动态微调预训练校正模型，聚焦于 SWH 预报中偏差较大的像素。依据 SWH 的季节性特征，分别构建了春、夏、秋、冬四个校正模型。实验结果表明，与原始 ECMWF SWH 预报相比，春季校正效果最佳，平均绝对误差下降 12.972~46.237%。尽管冬季表现最差，平均绝对误差仍下降 13.794~38.953%。校正结果在正常与极端天气条件下均改善了原始 ECMWF SWH 预报，表明我们的 SWH 校正模型具有鲁棒性与泛化能力。
引用
@article{arxiv.2311.15001,
title = {A Deep-learning Real-time Bias Correction Method for Significant Wave Height Forecasts in the Western North Pacific},
author = {Wei Zhang and Yu Sun and Yapeng Wu and Junyu Dong and Xiaojiang Song and Zhiyi Gao and Renbo Pang and Boyu Guoan},
journal= {arXiv preprint arXiv:2311.15001},
year = {2023}
}
备注
21 pages