Jun.2023JOURNALOFCHENGDUUNIVERSITYOFINFORMATIONTECHNOLOGY2023年6月Vol.38No.3息报工程成都大学学第38卷第3期信文章编号：2096-1618（2023)03-0264-07基于CMA-REPS格点预报数据的深度学习风速订正方法毛波"，杨昊12，周世杰²，杨康权34，陈敏1（1.成都信息工程大学计算机学院，四川成都610225;2.电子科技大学信息与软件工程学院，四川成都610054;3.四川省气象台，四川成都610072;4.四川省气象局重点实验室，四川成都610072）摘要：准确的风速预测对风能资源的充分利用和风电场的经济效益提升具有显著的意义。为提高集合数值预报的风速预报能力，弥补现有深度学习集合预报订正模型对格点预报数据时间特征提取的不足，引人ConvLSTM深度学习模型，对CMA-REPS（中国气象局区域集合预报模式）预测的华北地区近地面10m风速格点数据进行偏差订正实验，以均方根误差（RMSE）作为评分标准将订正结果与CMA-REPS原始预报数据和Unet深度学习模型方法得到的订正结果进行对比。结果表明,ConvLSTM模型的订正效果相比Unet模型有进一步的提升,经ConvLSTM模型订正后的近地面10m风速预报数据整体上更趋近于实况数据。关键词：CMA-REPS；集合预报；偏差订正；深度学习；风速中图分类号：TP183文献标志码：Adoi:10.16836/j.cnki.jcuit.2023.03.0030引言风能作为一种高效清洁的新能源,其巨大的发展潜力引起了国内外广泛的重视。实现准确的风速预测能够有效地提高风能资源的利用率,降低风功率波动对电网稳定性的影响，从而提升风电场的经济效益[1]。集合数值预报模式由于提供了关于天气预报的不确定性信息，相比于单一的确定性数值预报模式，往往能够得到更准确的风速预报结果，现已在全球多个国家的天气业务预报中心实现常规运行[21。但在实际应用中，由于集合预报模式设计之初的各种不完美以及大气系统的不确定性，集合预报模式一直存在系统性误差，从而造成风速预报的结果出现系统性偏差。为了满足更加精确和可靠的风速预报需求，需要对集合数值预报模式的结果进行偏差订正，以提升模式对风速的预报能力。目前,受限于风场本身所具有的变性特征，国内对风场集合预报结果偏差订正的方法还是多以传统的统计订正方法为主[3],如集合模式输出统计法[4]和贝叶斯模型平均法[5]。这类订正方法均通过建立线性统计模型来订正风场集合预报的误差，对于风场变化的随机特征，传统的线性统计模型往往不能很好地捕捉其中的非线性关系。随着近年来计算机硬件设备的不断提升以及人工智...
