摘要
本发明提供了一种基于神经网络与数值模式融合的超短期风速订正预报方法、装置及存储介质,所述方法包括:利用历史的风速预测偏差对神经网络模型进行训练;将当前时刻的风速预测偏差输入训练好的神经网络模型,预测获得下一时刻的风速偏差;将WRF模型输出的当前时刻风速预报结果与当前时刻的风速观测值进行数据同化操作,利用数据同化操作后的WRF模型预测得到下一时刻的风速预测结果;利用预测获得的下一时刻的风速偏差订正下一时刻的风速预测结果,得到下一时刻的风速预报结果。本发明在分析历史预报误差特征的同时,能捕捉模型未充分考虑的当前气象效应和实时观测变化,从而提升预测精度。
技术关键词
风速
预报方法
偏差
天气
数值
模式
数据
输入神经网络模型
神经网络模型训练
训练神经网络模型
因子
交叉验证法
预报误差
梯度下降法
计算机
周期性
指令
样本
模块
系统为您推荐了相关专利信息
偏离误差
路径跟踪方法
足式机器人技术
计算机
姿态校正
数据融合方法
无人船
仿真数据
加权融合算法
阻力