一种基于深度学习的热带气旋边界层参数化方法及系统

本发明公开了一种基于深度学习的热带气旋边界层参数化方法及系统，涉及气象数值模拟计算领域，包括获取静态地形数据、网格化NCEP再分析气象数据和气旋模拟数据；将所述气旋模拟数据插值到边界层的特定水平面，得到插值数据；提取所述插值数据中的通量，进行通量整合，获取湍流整合通量，并对所述湍流整合通量非线性变换；构建湍流预报模型，将非线性后的湍流整合通量输入所述湍流预报模型，获得热带气旋边界层通量参数化结果。本发明利用深度学习模型来解释复杂的边界层过程，解决了传统边界层参数化方法在热带气旋边界层的应用存在湍流传输系数的不确定性以及对小尺度过程的解释能力不足等问题。