成果简介:
|
多年来的业务实践和研究表明,影响湖南汛期降水的因素异常复杂。近些年湖南汛期降水预测准确率有了明显提升,但离政府和社会公众的实际需求仍存在很大差距。现阶段国内外气候预测模式,对湖南汛期降水的预测能力依然有限。近年来,人工智能发展迅猛,机器学习作为人工智能的核心领域,为气象业务和科研带来不可多得的机遇,也带来极大的挑战。因此探讨人工智能技术与现有的气候预测技术融合应用,可提高湖南汛期降水的智能客观化预测水平。
项目开展了湖南汛期降水成因诊断分析,探讨了人工智能技术与现有的气候预测技术融合应用,利用机器学习、统计集合等方法,建立多因子协同影响的湖南汛期年代际降水异常、汛期降水异常偏多、夏秋降水异常偏少、春雨异常、强梅雨等5类湖南汛期降水异常概念模型;开展了延伸期、月、季气候预测模式评估,建立了季节尺度、变形典型相关分析、客观化智能推荐等3类基于机器学习的预测方法,建立了基于最优阈值法、MJO相似法和概率预测法的延伸期强降水预测模型。
项目研究成果已在业务中应用,客观化的预测产品有效的减轻了预报员的工作量,支撑了逐日滚动的延伸期预测业务及月、季预测业务;明显的提升了湖南省级降水气候预测质量,2019年以来月降水、夏季季节降水预测评分分别为81.3、85.5分,均位居全国第二;成果支撑形成的决策气象服务产品,较为准确的把握住了近几年汛期旱涝趋势,助力相关主管部门提前应对和精准防控旱涝灾害,产生显著的社会经济效益。
|