报告详情
基于深度学习的江淮流域强降水预报
编号：973
访问权限：仅限参会人
更新：2026-04-10 13:43:40 浏览：6次
口头报告
报告开始：2026年04月26日 14:10（Asia/Shanghai）
报告时间：15min
所在会场：[S1-3] 专题1.3 人工智能在大气海洋中的应用 [F12] 专题1.3 人工智能在大气海洋中的应用
暂无文件
摘要
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。
关键词
深度学习,强降水,预报,江淮流域
报告人
周佰铨
副研究员 中国气象科学研究院稿件作者
全部评论
重要日期
-
会议日期
04月25日
2026
至04月29日
2026
-
04月07日 2026
初稿截稿日期
主办单位
未来大气科学论坛理事会
承办单位
河海大学海洋学院
南京大学南京赫尔辛基大气与地球系统科学学院
南京大学南京赫尔辛基大气与地球系统科学学院
联系方式
- 秦箭煌
- qi******@hhu.edu.cn
- 173********
- 薛廉
- li******@nju.edu.cn
- 156********
- 孙佳妮
- sc******@chytey.com
- 152********
历届会议
-
2025年04月17日 中国 北京
第一届未来大气科学论坛
发表评论