一种基于机器学习的随机云生成器加速方法技术

本发明专利技术属于云的物理参数化技术领域，具体为一种基于机器学习的随机云生成器加速方法。本发明专利技术采用机器学习方法来对随机云生成器进行替代，获得便捷快速的机器学习模型，该模型根据输入的云量廓线以及总云量可以快速地获得对应的抗相关厚度，免去了繁琐的遍历与随机数生成过程，极大地加快了抗相关厚度的获取速度，对于生成云的次网格结构有重要意义。基于本发明专利技术计算的数据集，在分辨率、纬度与抗相关厚度之间建立参数化关系，给出了抗相关厚度随着分辨率与纬度的平均变化，该参数化方案可直接应用于数值模式中，对提高模式的模拟准确度具有着重要意义。具有着重要意义。具有着重要意义。

【技术实现步骤摘要】
一种基于机器学习的随机云生成器加速方法


[0001]本专利技术属于云的物理参数化
，具体涉及一种基于机器学习的随机云生成器加速方法。

技术介绍

[0002]云在地
‑
气系统的辐射收支平衡中起着关键性的作用，同时占据了地球表面约60％的面积。云是气候系统中各种动力、热力过程综合作用的结果，它能够通过自身的微物理特性以及生成发展过程中参与的物理过程，从各个方面对气候系统产生影响。
[0003]大气科学中的数值模式是指利用数学模型对大气系统进行数值模拟和预测的过程。这种模型是基于物理、化学和数学原理，通过对大气系统中各种变量的计算和模拟，来预测未来天气和气候变化。数值模式通常包括大气动力学方程、热力学方程、辐射传输方程、云微物理方程等。数值气候模式作为研究全球气候变化的重要途径，对云的模拟与描述是其比较薄弱的一个环节，全球天气和气候模式的网格尺度一般在几十甚至几百千米以上，尽管云的垂直廓线可以通过模式中的诊断方法得到，而由于云层垂直重叠关系的复杂性，云的垂直重叠特征—即位于不同高度上的云层之间在垂直方向上如何重叠，尚且本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的随机云生成器加速方法，其特征在于，具体步骤为：(1)构建机器学习模型，用于生成大量抗相关厚度数据；该机器学习模型是多层感知机模型；(2)将根据卫星观测得到的云量廓线数据与总云量数据，输入机器学习模型，到对应的抗相关厚度；(3)将卫星观测时的分辨率与纬度信息与该抗相关厚度数据结合，得到分辨率、纬度、抗相关厚度三元组数据集；根据该三元组数据集，在分辨率、纬度与抗相关厚度之间建立参数化关系，具体为一个五阶多项式：F(Res,Lat)＝c+a1*Res+a2*Lat+a3*Res2+a4*Res*Lat+a5*Lat2…
+a
20
*Lat5其中，Res,Lat为输入分辨率与纬度，c为常数项，a
i
，i＝1,2
…
,20为多项式系数；(4)将该参数化关系直接应用于对大气系统进行数值模拟与预测的气候数值模式中，气候数值模式根据模拟区域的分辨率与纬度，获得在该分辨率与纬度下的抗相关厚度的均值，使用该抗相关厚度均值直接对该区域的云重叠...

【专利技术属性】
技术研发人员：张峰，吴昕，肖海霞，
申请(专利权)人：复旦大学，
类型：发明
国别省市：