机构名称：
¥ 1.0
摘要：热带气旋（TCS）中发现的极端降雨是许多低至中间区域中人类生命和财产的风险。风险评估和预测中TC降雨的概率建模在计算上可能很昂贵，并且现有模型在很大程度上无法建模关键的降雨不对称，例如雨带和室外过渡。在这里，开发了一个基于机器的框架，以模拟北大西洋盆地的水上TC降雨。首先，使用天气研究和预测（WRF）模型组装了26个历史事件的高分辨率TC降水模拟目录。然后，通过主成分分析（PCA）分解了这些历史事件的降雨的模拟空间分布，对分数回归森林（QRF）模型进行了训练，以预测最初的五个主成分（PC）权重的条件分布。使用历史卫星数据和QRF模型分别估算了雨比率水平的条件分布。使用这些模型，可以鉴于一组风暴特征和局部环境条件，可以对降雨图的概率预测进行。与卫星观测值相比，该模型能够捕获风暴总降雨量，其相关系数为0.96，R 2值为0.93。此外，与卫星观测值相比，该模型在对小时总降雨进行建模方面表现出良好的准确性。降雨比率图还与历史卫星观测值和交叉验证期间的WRF模拟进行了比较，估计值的空间分布捕获了与TC雨带，波数不对称的降雨可变性，可能是红色的不对称和可能是红外的转变。
一种机器学习方法，用于模拟过度海洋的热带气旋降水
主要关键词
相关文件推荐
