张涛
- 作品数：3 被引量：5H指数：1
- 供职机构：清华大学信息科学技术学院计算机科学与技术系更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划公益性行业(气象)科研专项更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 格点大气环流模式GAMIL2参数不确定性的量化分析与优化被引量：4
- 2016年
- 物理过程参数化方案的不确定性是目前气候系统模式不确定性的重要来源之一.随着模式内在复杂度攀升,模拟场景多样化,参数化方案中基于先验的和人工的物理参数选取方法已经逐步成为限制模式模拟能力的瓶颈之一.为此,本文设计并提出了初选与寻优相结合的两步法参数优化方案.初选阶段用全因子采样方法对不确定参数空间进行初始敏感性分析,估计最优解所在区域;寻优步采用单纯型下山法,基于初选阶段确定的参数组合快速寻优.将两步法应用于中国科学院大气物理研究所(英文缩写:IAP)大气科学和地球流体力学数值模拟国家重点实验室(英文缩写:LASG)格点大气模式第2版:GAMIL2,选取其深对流方案和云量方案中的3个重要参数开展寻优,优化以综合减小模式降水、风场、温度、湿度、位势高度以及辐射通量的误差为目标.这些变量用GAMIL2标准版本标准化后形成单一的目标.结果显示,优化后的目标函数值比GAMIL2标准版本改进了7.5%.机理分析表明,调优后的参数优化了大气中的水汽凝结作用,进而减少模式的湿度偏差,改进云量的模拟效果;同时水汽凝结作用的变化通过大气内部动力和热力相互作用及响应影响温度、位势高度和风场的模拟.
- 张涛张涛谢丰薛巍李立娟王斌
- 关键词：气候系统模式优化算法
- 基于空间深度置信网络的风速预测优化方法
- 2022年
- 风能是目前应用最为广泛、技术最为成熟的可再生能源。为了保证风电场的稳定和安全运行,风速的准确预测至关重要。除传统的数值天气预报以外,机器学习技术已经广泛应用于不同时间尺度的风速预测。然而这些工作大多局限于单一地点的风速序列分析,没有考虑和利用风速的空间相关性。对此,使用深度置信网络(Deep Belief Network,DBN)对同一区域内多个地点的风速序列进行空间相关性特征识别。在训练过程中,深度置信网络充分挖掘了该区域内历史风速的联合分布,借此改善未来的风速预测。多组风速预测实验表明,空间深度置信网络能够有效降低风速的预测误差,经过空间深度置信网络重构后的风速预测误差平均降低了0.4 m/s。
- 许皓宇薛巍张涛谢洪亮
- 关键词：风速预测
- 交互集合耦合模式系统对北太平洋SST变率和ENSO的模拟检验被引量：1
- 2014年
- 清华大学地球系统科学研究中心在一个标准耦合模式(SC)的基础上建立了交互集合耦合模式系统(IE),该系统可以实现多个不同大气模式或者同一大气模式采取不同初值组成的多个分量集合之后与海、陆、冰模式进行耦合.本文利用同一大气模式七个不同初值分量与其它模式分量开展在线集合耦合试验,利用积分稳定之后100年的试验结果,分析了IE在减小海-气界面大气噪音的情况下,对北太平洋海表面温度(SST)变率和ENSO的模拟,并与SC模拟结果进行了对比.分析表明,IE减小了北太平洋中高纬度SST方差的85%以上,表明该区域SST变率主要受大气的影响,且主要是通过改变海表湍流热通量实现的.黑潮延伸体区和北太平洋中部副热带涡旋区域平均SST 8年左右的低频周期主要受来自大气内部动力过程的驱动.在集合耦合模拟中,无论是副热带涡旋区SST与ENSO的联系,还是ENSO与北太平洋中高纬度SST的联系都能模拟出来,而标准模式未能模拟出这些现象,意味着大气噪音过强将掩盖ENSO与太平洋热带外SST的联系.IE对与ENSO关联的"太平洋—北美"(PNA)遥相关型的合理模拟,并通过湍流热通量对海表温度的影响,是其能够更好模拟ENSO与北太平洋中高纬度SST关系的重要原因.本文通过分析验证了所建立的交互集合耦合模式系统的合理性,揭示了该系统在海-气相互作用研究领域方面具有一定应用前景.
- 辛晓歌薛巍张明华李慧岷张涛张涛
- 关键词：ENSOPNA海-气相互作用
