摘要这项工作将机器学习整合到大气参数化中,以目标不确定的混合过程,同时保持可解释,预测和建立良好的物理方程。我们采用涡流质量频阵(EDMF)参数化来对各种对流和湍流制度的统一建模。为避免流失和不稳定性,随后与气候模型相结合,我们陷入了离线训练的机器学习参数化,我们将学习作为一个逆问题:数据驱动的模型嵌入了EDMF参数化中,并将其嵌入在一个二维的在线培训中,以一维垂直气候模型(GCM)列。训练是针对太平洋中GCM模拟的大型大规模条件的大型模拟(LE)的输出进行的。我们的框架不是优化亚网格尺度趋势,而是直接针对感兴趣的气候变量,例如熵和液态水路的垂直剖面。具体来说,我们使用集合卡尔曼反转来同时校准edmf参数和管理数据驱动的侧向混合速率的参数。校准的参数化优于现有的EDMF方案,尤其是在当前气候的热带和亚热带位置,并且在模拟AMIP4K实验的海面温度下增加的海面温度下,在模拟浅层积木和层状机制方面保持了高忠诚度。结果展示了物理上约束数据驱动模型的优势,并通过在线学习直接针对相关变量,以构建强大而稳定的机器学习参数化。
nous41 kwbc 131500 PNSWSH服务更改通知24-64国家气象服务总部Silver Spring MD MD 1100 AM EDT THU THU THU THU 2024年6月13日至:订户:-NOAAA天气服务-Exergency Managers -Noaaaport其他NWS Partners和Enigration Anrounter and Invorytry National Chorment and Intifical and Intifical and Intifical and Intifical and Intifition:Mike Farrar and Intifical,National Chermant:预测系统(HAFS):自2024年7月16日生效,于2024年7月16日星期二生效,随着1200个协调的通用时间(UTC)周期,国家环境预测中心(NCEP)中央运营中心(NCO)将实施飓风分析和预测系统2(HAFSV2)的新升级(NCO)的新升级(HAFS)。更新。科学和技术增强功能包括以下内容:系统和基础设施升级: - 最新版本的UFS -Weather -Model,HAFSV2最终的科学配置冻结在2024年2月8日 - 增加移动筑巢的水平分辨率从6-2 km(HFSA仅降低到5.4-1.8 km(HFSA),从6-2 km(HFSA仅降低到90级) - options - Improved model stability and runtime efficiency Vortex Initialization Improvements: - Enhance vortex initialization to cycle hydrometeor variables and vertical velocity (HFSA only) - Update composite vortex and reduce warm-cycling Vmax threshold from 50 to 40 kt (HFSA only) Data Assimilation Improvements: - Ingest new high-resolution GOES-R mesoscale AMVs - Scale-Dependent Localization for InterCore DA-精炼GPS RO(无线电隐匿)DA模型物理学的进步: - 使用错误修复的Thompson MP -NATL Basin的Thompson Microphysics,EPAC/CPAC和JTWC盆地的GFDL Microphysics(仅HFSA)(仅HFSA)(仅HFSA) - 更新TKE EDMF PBL和SASAS CP SCP SHEMES SHEMES SHEMES SHEMES SHEMES SHEMES SHEMES SHEMES SHEMES SHEMES SHEEMES