基于CNN-LSTM的珠江河口台风过程实时滚动修正预报

为改善台风预报精度，基于实时滚动修正预报思路，利用卷积神经网络嵌套长短期记忆神经网络（CNN-LSTM）和误差校正（EC）技术，搭建了珠江河口台风实时预报模型。研究结果表明：“滚动预报”比单次预报有更好的路径和强度预报效果，随着模型滚动时间的延长，预报整体精度有逐渐改善的趋势。路径预报结果的均方根误差比单次预报减小了25.67%，强度预报结果的平均绝对误差比单次预报减小了65.04%；考虑误差校正的CNN-LSTM-EC的路径、强度“滚动预报”效果均优于CNN-LSTM，前者的路径预报误差较后者减小了22.57%，强度预报误差减小2.5%。