报告详情
大气湍流对基于机器学习风速预报的影响
编号：727
访问权限：仅限参会人
更新：2025-04-03 11:07:36 浏览：4次
口头报告
报告开始：2025年04月19日 11:15（Asia/Shanghai）
报告时间：15min
所在会场：[S2-2] 专题2.2 大气边界层和低空环境 [S2-2] 专题2.2 大气边界层和低空环境
暂无文件
摘要
基于机器学习的风速预报在风能、风工程、交通等领域具有广泛的应用价值。在机器学习风速预报流程中，预报特征（预报子）的选择对于预报精度的提升，具有重要的作用。现有的特征选择大多是基于相关性分析，选择与预报量最相关的特征作为预报特征。然而，相关性不等于因果性。统计相关可能会带来虚假的因果性，而具有真实因果关系的特征，才有助于提升预报精度。本文基于模型无关的信息流因果分析方法，分析了城市地区和草原地区近1年的大气湍流数据。研究表明，湍流变量与平均风速之间具有较强的因果关系，特别是湍流动能和摩擦速度的因果关系更为明显。湍流变量与平均风速之间的因果关系也明显大于非湍流变量与平均风速之间的关系。基于长短期记忆网络的预报测试，证实了采用因果关系较强的特征有助于提升预报的精度。这项工作揭示了大气湍流的研究成果对机器学习风速预报的潜在应用价值。
关键词
大气湍流,风速预报,大气边界层,因果分析,机器学习
报告人
刘磊
副研究员 中国科学院大气物理研究所稿件作者
全部评论
重要日期
-
会议日期
04月17日
2025
至04月20日
2025
-
04月03日 2025
初稿截稿日期
-
04月20日 2025
注册截止日期
主办单位
中国科学院大气物理研究所
承办单位
中国科学院大气物理研究所
联系方式
- 皇甫静亮
- hf******@mail.iap.ac.cn
- 133********
发表评论