基于机器学习的多目标优化校准 WRF 模型参数以改进孟加拉湾热带气旋预报
大气与海洋物理
2022-06-03 v1
摘要
数值模式的预报技巧可通过校准对其预报有显著影响的高敏感参数来增强。本研究的目标是通过校准天气研究与预报（WRF）模式参数来改进孟加拉湾区域热带气旋模拟中的地表风速和降水预报。选取 2011 至 2017 年间不同强度类别的十个热带气旋进行校准实验。采用基于多目标自适应代理模型的优化（MO-ASMO）框架，通过最小化对应于 10m 风速和降水的预报误差来校准八个敏感模式参数。比较了默认参数值与校准参数值在不同方面模拟的 10m 风速和降水。结果表明，与默认参数相比，校准参数将 10m 风速预报提高了 17.62%，降水预报提高了 8.20%。研究了校准参数对其它模式输出变量（如气旋路径和强度以及 500 hPa 风场）的影响。选取 2011 至 2018 年间不同类别的八个热带气旋以验证校准参数值对其他气旋事件的性能。最后，还检验了校准参数在不同边界条件和网格分辨率下的鲁棒性。这些结果对改进热带气旋特征的可预报性具有重要意义，使我们能更好地规划适应与减缓策略，从而有助于防止对社会的不利影响。
引用
@article{arxiv.2110.05817,
title = {WRF model parameter calibration to improve the prediction of tropical cyclones over the Bay of Bengal using Machine Learning-based Multiobjective Optimization},
author = {Harish Baki and Sandeep Chinta and C. Balaji and Balaji Srinivasan},
journal= {arXiv preprint arXiv:2110.05817},
year = {2022}
}