3月5日，黄小猛副教授团队《基于机器学习的模式预报订正方法研究》一文荣获2019智慧海洋高端论坛论文一等奖，国家超算无锡中心-清华大学地球系统数值模拟联合实验室许立兵为第一作者，黄小猛副教授为通讯作者。2019智慧海洋高端论坛于2019年12月6日落下帷幕，由中国海洋学会、国家海洋信息产业发展联盟、国家海洋信息中心、舟山市人民政府共同主办。本次经论坛学术委员会评审，共评选出论文一等奖3篇，二等奖8篇，三等奖10篇，优秀奖13篇。

文章合作者还包括国家海洋环境预报中心陈幸荣，邢建勇以及刘克威，国家超级计算无锡中心王安喜，地学系博士生陈悦等。

《基于机器学习的模式预报订正方法研究》提出了一种基于随机森林和深度神经网络结合的WRF预报结果订正方案，从而进行精细化预报，验证了机器学习方法进行场预报的优越性。随机森林是基于特征决策树的集合模型，可以统计某一特征被选为分裂特征的次数、带来的平均增益以及该特征对每棵树的覆盖率，具有良好的可解释性。

图1 随机森林结构示意图

该研究结合中尺度数值模式WRF预报数据和ERA5再分析资料，利用机器学习方法对WRF预报场的风场、温度、气压进行预报订正。与原始WRF预报相比，利用随机森林模型实现预报精度平均提升44%以上，利用深度神经网络模型实现预报精度平均提升29%以上。同时分析了输入特征对各预报要素的重要程度，实验结果符合各要素的基本物理关系。在海陆交界区域，精度未有提升，初步分析由于这些区域复杂的地形情况，模型未能捕捉到其非线性关系，后续考虑针对不同区域训练不同的模型，提高模型的非线性表达能力，以提高预报精度。

图2 U10、V10在1-6天的空间改善情况效果图

图3 T2、SLP在1-6天的空间改善情况效果图

供稿：陈悦

审核：罗勇

图文编辑：付美娟