基于卷积神经网络的风速预报统计后处理
机器学习
2021-04-21 v2 机器学习
大气与海洋物理
应用统计
摘要
当前用于概率天气预报的统计后处理方法无法利用数值天气预报（NWP）模型中的完整空间模式。在本文中，我们通过使用卷积神经网络（CNNs）纳入空间风速信息，并基于荷兰皇家气象研究所（KNMI）的确定性 Harmonie-Arome NWP 模型，获得荷兰未来48小时的概率风速预报。结果表明，与全连接神经网络和分位数回归森林的预报相比，CNNs 的概率预报在中高风速下具有更高的 Brier 技巧评分，以及更好的连续 ranked 概率评分（CRPS）和对数评分。作为次要结果，我们使用3种不同的密度估计方法（量化 softmax（QS）、核混合网络以及拟合截断正态分布）对 CNNs 进行了比较，发现基于 QS 方法的概率预报效果最佳。
引用
@article{arxiv.2007.04005,
title = {Statistical post-processing of wind speed forecasts using convolutional neural networks},
author = {Simon Veldkamp and Kirien Whan and Sjoerd Dirksen and Maurice Schmeits},
journal= {arXiv preprint arXiv:2007.04005},
year = {2021}
}
备注
44 pages, 5 figures