风顺大模型对中国盛夏气温候尺度预测技巧评估
ID:591 View Protection:PRIVATE Updated Time:2025-04-14 09:00:46 Hits:822 Oral Presentation

Start Time:2025-04-19 10:40(Asia/Shanghai)

Duration:10min

Session:S1-2 专题1.2 人工智能在气候研究中的应用 » S1-2专题1.2 人工智能在气候研究中的应用

No files

Abstract
利用风顺大模型和S2S-ecmf模式2017—2022年历史回报数据以及CMA-RA再分析数据,采用时间距平相关系数(TCC)、空间距平相关系数(ACC)、综合空间评分(IPS)等方法,对风顺大模型和S2S-ecmf模式在中国盛夏气温候尺度预测技巧进行对比检验评估。结果表明:风顺大模型对中国盛夏气温的候尺度预测技巧整体高于S2S-ecmf模式。从TCC评分来看,超前3-8候的平均结果上,在黄淮、江淮、华中、华南、华东等中国东部地区以及新疆地区风顺大模型的预测技巧高于S2S-ecmf模式,而在东北、内蒙古、青藏高原及西南地区则低于S2S-ecmf模式;对于全国TCC平均来看,风顺和S2S-ecmf模式均随着预测时效的延长,预测技巧明显下降,但风顺在超前5-8候的预测技巧仍要高于S2S-ecmf模式,尤其在超前6候(即超前1个月)时,风顺较S2S-ecmf模式预测技巧提高了42%,在超前8候时,风顺较S2S-ecmf模式预测技巧仍能够提高19%。从ACC和IPS评分来看,风顺在超前3-8候(次季节预测时段)的预测技巧同样高于S2S-ecmf模式,并且随着预测时效的延长,风顺对S2S-ecmf模式预测技巧的领先优势越来越明显。以上分析均表明风顺大模型相较于S2S-ecmf模式,在中国盛夏气温的候尺度预测方面具有更好的超前预见期。
Keywords
风顺大模型;预测技巧评估;中国;盛夏气温;候尺度
Speaker
刘俊杰
高工 安徽省气候中心

Submission Author
刘俊杰 安徽省气候中心
Submit Comment
Verify Code Change Another
All Comments
Important Date
  • Conference Date

    Apr 17

    2025

    to

    Apr 21

    2025

  • Apr 10 2025

    Draft paper submission deadline

  • Apr 28 2025

    Registration deadline

Sponsored By
中国科学院大气物理研究所
Organized By
中国科学院大气物理研究所
Contact Information
Previous Conferences