用于高温次季节预报的深度学习方法

作者：邓敏; 游立军^*; 翁彬; 郑子华; 叶锋

来源：福建电脑, 2023, 39(02): 1-5.

DOI：10.16707/j.cnki.fjpc.2023.02.001

• 高温次季节预报
• 深度学习
• 气象预报数据

高温是一种比较常见的气象灾害，对人们日常生活和健康以及国民经济都有一定的影响。准确地预报未来10-30天（次季节）的每日高温天气状况，有助于人们及早地做出对应的决策和降低财产损失。本文设计了一种深度学习模型，通过对两个Encoder提取的大气环流和地表高温的特征进行延迟融合，并结合Decoder逐日输出高温预报结果。实验结果表明，本文的方法有较好的预测效果，相较于单个Encoder的深度学习方法，均方根误差降低了2.12%，异常相关系数提高了2.72%，决定系数提高了0.04。

• 单位
  福建师范大学; 福建省气象科学研究所