摘要
本发明公开了一种用于极端降水事件区域模拟的AI‑NWP三维闭环双向动态反馈耦合方法及程序产品,属于气象数值模拟与人工智能融合技术领域。该方法基于AI全球天气预测模型生成中期预报场,通过同化多源观测数据构建分析场,并驱动高分辨率NWP区域模式进行滚动模拟。进一步,利用NWP区域模拟结果与实况数据的差异构建时空残差场,并训练残差学习模型,反馈修正AI模型预测结构,实现AI预测模型动态调权更新。整体形成AI输出、NWP模拟与残差评估之间的闭环双向反馈体系,有效提升中期强降水事件的空间结构还原能力与区域定位精度,显著增强对极端天气过程的连续可预报性与模拟可信度,具有良好的稳定性、通用性与工程扩展价值。
技术关键词
天气预测模型
耦合方法
残差学习
闭环
模式
动态
误差
分辨率
空间结构
深度学习框架
轻量级卷积神经网络
变量
深度神经网络
网络参数微调
多源观测数据
气象
空间定位精度
非线性映射关系
插值方法
系统为您推荐了相关专利信息
车载中央控制器
吸力
深度学习模型
视觉传感器
风机控制器
记忆
茶树叶片
TaqMan探针
植物抗旱能力
茶树抗旱性
纹影装置
CCD相机
背景装置
拼接缝隙
测温方法
蛋白互作网络
分类器模型
数据处理装置
生物物种
基因