基于数据驱动的区域天气预报：以浅水方程为例
摘要：基于数据的地区预测动态规则是在不考虑底层物理模型的情况下使用应用数学和非线性动力学的经过充分测试的方法构建的。环境变量的观测值，如风速、温度、压力等，可以开发出仅仅预测这些变量未来变化的预测规则。一个带有适当传感器的地区观测集合可以避免对空间分辨率和详细物理模型属性的常见考虑。目前的全球或区域模型需要在全球或区域范围内详细指定物理过程的细节，通常需要大量计算，提供的信息对于本地区并不感兴趣的数量的时间变化。本文我们在一个熟悉的中纬度beta平面上的浅水流全局模型的例子中阐述了地球物理过程的数据驱动预测模型（DDF）的构建，并展示了它的工作原理。从这些观测值中选择了全局流的一个子区域。从这些观测值中构建了一个离散时间的动力预测系统。DDF预测能够准确预测观测变量的未来变化。
作者：Randall Clark, Henry Abarbanel, Luke C. Fairbanks, Ramon E Sanchez, Pacharadech Wacharanan
论文ID：2303.16363
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-03-30