TPTNet：基于湍流位温的数据驱动温度预测模型
机器学习
2023-12-27 v1 大气与海洋物理
流体动力学
摘要
为减轻数值天气预报(NWP)的计算负担，提出了一种利用神经网络预测地表温度的数据驱动模型。我们的模型名为 TPTNet，仅以韩国半岛气象站测量的 2m 温度作为输入，预测有限预报时刻的局部温度。通过分离考虑年变化和日变化的气候态分量，从气象站测量数据中提取了温度的湍流脉动分量。随后通过引入位温来补偿气象站海拔的影响。所得到的不规则分布气象站的湍流位温数据被用作输入，通过基于卷积神经网络(CNN)、Swin Transformer 和图神经网络(GNN)的三个训练网络来预测预报时刻的湍流位温。将我们网络的预测性能与持续性预报和 NWP 进行了比较，证实我们的模型在 12 个预报小时内优于 NWP。
引用
@article{arxiv.2312.14980,
title = {TPTNet: A Data-Driven Temperature Prediction Model Based on Turbulent Potential Temperature},
author = {Jun Park and Changhoon Lee},
journal= {arXiv preprint arXiv:2312.14980},
year = {2023}
}