一种基于机器学习的数值预报高阶湍流参数化处理方法

本发明公开一种基于机器学习的数值预报高阶湍流参数化处理方法，该方法利用大涡模拟提取云物理过程中湍流垂直运动的分布特征，构建包含大气动力学物理机制的机器学习训练数据集；根据数据集，采用期望最大化算法获取湍流垂直运动的双高斯概率密度函数，将获得双高斯概率密度函数的混合权重与大涡模拟中垂直速度的偏度进行拟合，获得数值预报参数化中所需的概率密度函数混合权重与偏度关系式；根据混合权重与偏度关系式构建数值预报模式湍流运动参数化方程。本发明显著提升了与该大气物理过程相关的低云云量模拟准确性。