干旱气象 ›› 2020, Vol. 38 ›› Issue (4): 655-664.
朱文刚1,李昌义1,曲美慧2,温晓培1
Application of Deep Neural Networks Method in Precipitation Phase Identification in Shandong Province
ZHU Wengang1, LI Changyi1, QU Meihui2, WEN Xiaopei1
摘要: 利用欧洲中心(ECMWF)ERA-Interim再分析资料,通过分析2008—2017年山东冬半年不同降水相态(雨、雪和雨夹雪)下温度和位势厚度特征,统计得到8个降水相态判别因子(T2 m、T1000、T975、T950、T925、T850、H850-700、H1000-850),并给出每个判别因子降水相态阈值指标。然后利用8个判别因子和阈值建立降水相态判别方程和训练DNN模型,通过随机检验发现DNN法对雨、雪和雨夹雪的预报准确率分别提高1.9%、0.2%和21.6%;利用ECMWF细网格预报资料进行个例检验,雨、雪和雨夹雪共106站中判别方程法判别错误29站,DNN法判别错误14站,即DNN法的降水相态判别能力优于判别方程法,且明显提高了对雨夹雪的判别能力。