Page 146 - 《高原气象》2025年第6期
P. 146

高     原      气     象                                 44 卷
              1554
             组 DL模型， 分别为： 采用 MSE作为损失函数的 DL                      而图 6（b）则从逐年区域平均的角度展示了四个结
             模型（DL-MSE）和使用相对较优参数的加权损失函                          果的偏差表现。在对比两个 DL 模型的偏差中可以
             数的 DL 模型（DL-MRM）。此外， 由于不同的随机                       看出， DL-MRM 的平均值和中位数比 DL-MSE 分
                                                                                  -1
                                                                                                 -1
             种子可能会对 DL 模型的模拟结果产生影响（Trok                         别高约 0. 70 times·a 和 0. 66 times·a ， 显示出 DL-
             et al， 2024）， 研究中选取五个随机种子， 分别对两                    MRM 模型的结果更接近观测值［图 6（a）］。进一步
             个模型进行独立训练， 并把每个模型模拟的结果进                            地从逐年偏差分析得出， DL-MSE 模型模拟的结果
             行集合平均来表示最终 DL 模型的结果， 通过对比                          存在显著的负偏差， 其逐年偏差值基本低于-0. 5
             两个 DL 模型相对于观测结果的偏差， 探讨优化前                          次。与此相比， DL-MRM 的逐年负偏差有所提高，
             后的DL模型模拟效果。                                        在两个模型的逐年偏差对比中， DL-MRM 在 13 个
             4. 3 DL-MRM与DL-MSE模型模拟CWPE的对比                      年份中的偏差表现均要优于 DL-MSE［图 6（b）］。
                  图 6（a）展示了两个多模式集合以及两个 DL 模                     这 一 结 果 表 明 优 化 后 的 DL-MRM 模 型 在 模 拟
             型在年平均 CWPE 模拟上相对于观测的偏差表现，                          CWPE的准确性方面有所提高。





















                图6 2001 -2014年DL-MRM模型、 DL-MSE模型、 多模式集合平均（MME-Mean）和多模式集合中位数（MME-Median）
                                                                                           -1
                     对中国东部沿海复合极端风雨事件（CWPE）模拟相对于观测的年平均偏差（a， 单位： times·a ， 箱线图箱体
                                    中间横线代表中位数， 三角代表平均值）和逐年偏差（b， 单位： 次）
                   Fig. 6 Annual average biases of Compound Wind and Precipitation Extremes （CWPE） simulations over the eastern
                      coastal region of China from 2001 to 2014 for the DL-MRM model， DL-MSE model， Multi-Model Ensemble
                         Mean （MME-Mean）， and Multi-Model Ensemble Median （MME-Median） relative to observations
                           （a， unit： times·a ， the middle horizontal line in the boxplot represents the median， and the
                                         -1
                                   riangle represents the average value） and annual biases （b， unit： times）
                  图 7 展示了两个 DL 模型以及多模式集合的                       对偏差范围达到-40% 以下。然而， 在少数区域（广
             CWPE 与观测之间的相对偏差在空间上的分布情                            西的北部和广东的东部）， DL-MRM 表现为轻微的
             况。图 8 则是 DL-MRM 分别与 DL-MSE 和多模式                    高估， 相对偏差值大约为 10%， 而 DL-MSE 在这些
             集合的相对偏差比较结果， 其中不确定区域表示两                            区域仍表现为低估， 相对偏差值介于-30%~-20%
             者偏差方向不一致。对比两个 DL 模型的相对偏差                          （图 7）。对于该地区， DL-MRM 相比于 DL-MSE 在
             表现发现， 在福建和浙江地区， DL-MRM 相对偏差                        较大面积上展现出更低的相对偏差［图 8（a）］， 尽管

             范围在-40%~-20%， 而 DL-MSE 的相对偏差则低                     在 少 数 区 域 两 者 的 偏 差 方 向 存 在 差 异 ， 但 DL-
             于-40%（图 7）。对于该地区， DL-MRM 相较于 DL-                   MRM 的相对偏差整体更低。总体而言， 在广东、
             MSE 的相对偏差几乎所有区域表现都更为优异［图                           广西和海南等地区， DL-MRM 的相对偏差值相较
             8（a）］， 且相对偏差值平均有约 20% 的降低。在广                       于 DL-MSE表现更好， 有大约 20% 的降低。在江苏
             东、 广西和海南等地区， DL-MRM 在大部分区域表                        和山东地区， DL-MRM 的相对偏差普遍表现为轻
             现为低估， 其相对偏差范围为-30%~-10%， 而 DL-                     微高估， 相对偏差介于 0%~10%， 在少数地区（山东
             MSE在这些对应区域的相对偏差则更为显著， 其相                           西部和江苏南部）出现了较为显著的高估现象。与
   141   142   143   144   145   146   147   148   149   150   151