利用深度学习预报美国东北部日降水分布

打开文本图片集

摘要 现阶段降水预报主要依靠数值天气预报模式。但受物理参数化、计算资源等因素的影响，基于数值模式的降水预报还存在非常大的不确定性。近年来，深度学习在天气预报领域显示出巨大优势和潜力。本文通过构建神经网络预报美国东北部日降水分布，探讨神经网络模型基于低分辨率气象场（ERA-Interim，0.7°）预报高分辨率降水（CPC，0.25°）的能力，并比较3种主流网络框架（VGG，ResNet，GoogleNet）在该任务中的表现。（剩余17087字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。