基于经验正交函数和神经网络的东南澳大利亚季节性降雨预测
大气与海洋物理
2024-08-21 v1 混沌动力学
摘要
对平均降雨量的定量预测至今仍高度具有挑战性，但在某些有利的孤立案例中，可能通过一系列相对简单的步骤实现。我们选择探索基于冬季东南澳大利亚地区周围海洋表面温度，对春季降雨的预测。在第一阶段，我们在目标降雨和标准海洋气候指标以及基于经验正交函数（EOFs）展开的表面温度时间序列之间搜索相关性。在印度洋情况下，冬季的主导 EOF 与未来降雨的相关性比常用的印度洋偶极子更强。具有最强相关性的信息来源随后被用作深度学习人工神经网络的输入。得到的反演预报在九月和十月看起来很准确，而在十月则不太可靠。我们还尝试预测即将到来的南半球春季在几个地区的降雨。
引用
@article{arxiv.2408.10550,
title = {Forecasting seasonal rainfall in SE Australia using Empirical Orthogonal Functions and Neural Networks},
author = {Stjepan Marcelja},
journal= {arXiv preprint arXiv:2408.10550},
year = {2024}
}