基于多层全连接神经网络的湖南省流域面雨量预报
谭诗琪1
范嘉智2
廖春花1
罗潇1
龙晓琴1
罗立军3
卞一飞4
1.湖南省气象服务中心,长沙 410118;气象防灾减灾湖南省重点实验室,长沙 4101182.气象防灾减灾湖南省重点实验室,长沙 410118;中国气象局气象干部培训学院湖南分院,长沙 4101253.湖南五凌电力科技有限公司,长沙 4100294.气象防灾减灾湖南省重点实验室,长沙 410118;湖南省机关服务中心,长沙 410118
摘要：研究基于 ECMWF、JMA东亚地区再分析资料、OCF、湖南省智能网格预报 0.5°格点产品、华南区域数值天气预报模式及华东区域数值天气预报模式产品,利用多层全连接神经网络(MFCNN)构建模型,预测未来24 h、3 h、1 h面雨量数据,采用平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2),对 2020 年湖南大型水库流域面雨量 MFCNN 模型预报效果进行检验评估及与各家模式预报效果对比分析.结果表明:MFCNN 模型对24 h、3 h、1 h面雨量的预报效果(MAE、RMSE、R2)均优于各模式的效果,且随时间分辨率的提升,模型预测效果相对于各模式提升明显.误差系数表明,MFCNN模型预报偏差在湘江流域及洞庭湖的最小,在沅水中游、资水上游的居中,在澧水流域、资水下游及沅水上、下游的最大.该模型捕捉面雨量动态变化的能力在洞庭湖、澧水上游、沅水中游最强,在湘江流域的次之,在沅水上、下游及资水下游、澧水下游的最弱.
关键词：面雨量预报数值模式多层全连接神经网络模型
分类号：P339(水文科学（水界物理学）)
资助基金：湖南省气象局第三期业务能力建设项目(NLJS09)湖南省自然科学基金项目(2024JJ9167)
论文发表日期：2024-10-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 62-69 )
英文信息