基于WRF数值模式的SDAE-SVR风速预测模型研究

作者：陈巧特; 符冉迪^*; 何彩芬

来源：宁波大学学报(理工版), 2020, 33(02): 47-53.

• 天气研究和预报模式
• 支持向量回归
• 堆栈降噪自动编码
• 深度学习
• 风速预测

风速预测是风力预报中的核心与基础,采用天气研究和预报(WeatherResearchand Forecasting,WRF)模式进行风力预报往往存在风速预测误差较大的问题.为了提高风速预测精度,提出了一种基于深度学习和支持向量回归(SupportVectorRegression,SVR)相结合的风速预测模型.该模型以WRF模式预报输出的多种气象变量为基础,结合气象自动观测站传感器的实测风速,引入堆栈降噪自动编码(Stacked De-noising Auto-Encoder, SDAE)深度网络来学习样本数据中隐含的深度特征,然后将该深度网络最后一层输出的深度特征置入回归器SVR中,利用SVR良好的回归预测性能对WRF模式预报的未来1 h风速进行预测订正.结果表明:所建立的SDAE-SVR风速预测模型具有较高的风速预测精度,在对典型日的WRF模式预报未来1 h风速的预测订正中,其平均百分比误差与均方根误差仅为8.28%与0.806 6 m·s-1.

• 单位
  宁波大学