1210 / 2026-04-01 13:02:12

基于深度学习的江淮流域强降水预报

深度学习,强降水,预报,江淮流域

主题1 天气、气候、全球变化、行星大气 > 专题1.3 人工智能在大气海洋中的应用

基于密集连接的双向卷积长短期记忆网络（DenseBiConvLSTM）研发了江淮流域夏季短期预报时效强降水预报模型，预报时效定位在未来1天逐6小时的预报。根据消融实验与相关性分析的结果，选取温度、比湿、涡度、风速、垂直速度、整层水汽通量散度、对流有效位能等16个气象要素作为预测因子。建立模型后的检验评估证实，预报模型在江淮流域夏季短期精细化预报中展现出优于ECMWF模式预报的综合性能。模型整体的RMSE更低，预报降水量级更接近观测值。各项指标随预报时效的衰减更为平缓，表现出更好的预报稳定性。模型对中雨及以上量级（≥10mm/d）的TS评分显著优于ECMWF，针对大雨和暴雨（≥25mm/d）等强降水事件的捕捉能力更强。ECMWF在强降水方面则存在明显的强度高估和落区偏移。相较于ECMWF，模型对强降水的空报更少，对强降水中心位置和落区范围的判断更为准确。