基于中小尺度模式与神经网络的登陆台风极值风速特性研究
TU312+.1; 针对传统工程经验模型无法准确反映台风登陆过程中风场随时空发展的变异性和复杂性问题,以2019 年登陆我国浙江省的超强台风"利奇马"为研究对象,基于WRF-LES中小尺度模式对其登陆全过程进行了高精度风场模拟,研究了台风影响区域极值风速时空特性,建立了预测登陆台风极值风速和发生时刻的BP神经网络模型.研究表明:WRF-LES中小尺度模式能有效模拟登陆台风风场;"台风中心影响区域"极值风速整体上高于"台风外围影响区域",且极值风速基本出现在前眼壁影响阶段;不同区域的极值风速随台风登陆过程呈减小趋势,海上及大部分沿海、陆...
Gespeichert in:
Veröffentlicht in: | 河南城建学院学报 2023, Vol.32 (3), p.15-24 |
---|---|
Hauptverfasser: | , , |
Format: | Artikel |
Sprache: | chi |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | TU312+.1; 针对传统工程经验模型无法准确反映台风登陆过程中风场随时空发展的变异性和复杂性问题,以2019 年登陆我国浙江省的超强台风"利奇马"为研究对象,基于WRF-LES中小尺度模式对其登陆全过程进行了高精度风场模拟,研究了台风影响区域极值风速时空特性,建立了预测登陆台风极值风速和发生时刻的BP神经网络模型.研究表明:WRF-LES中小尺度模式能有效模拟登陆台风风场;"台风中心影响区域"极值风速整体上高于"台风外围影响区域",且极值风速基本出现在前眼壁影响阶段;不同区域的极值风速随台风登陆过程呈减小趋势,海上及大部分沿海、陆地区域在台风登陆前产生极值风速,而内陆区域在台风登陆前后均有可能产生极值风速;同时,构建的BP神经网络模型对台风中心、外围影响区域的极值风速预测误差分别为 2.31%和 2.33%,极值风速发生时刻预测误差分别为 13.45%和 16.32%. |
---|---|
ISSN: | 1674-7046 |
DOI: | 10.14140/j.cnki.hncjxb.2023.03.003 |