Global S&T Development Trend Analysis Platform of Resources and Environment
| 美研究人员利用深度神经网络改进数值天气预报模式 | |
| 刘燕飞 | |
| 2019-11-25 | |
| 所属快报 | 地球科学快报 |
| 出版年 | 2019 |
| 期 | 22 |
| 语种 | 中文 |
| 领域 | 地球科学 |
| 栏目 | 大气科学 |
| 中文关键词 | 天气研究与预报模式 ; 数值天气预报模式 ; 深度神经网络 ; 美国能源部 |
| 中文摘要 | 2019年11月12日，来自美国能源部（DOE）阿贡实验室的环境科学家和计算科学家合作使用深度神经网络来代替天气研究与预报（WRF）模式中某些物理方案的参数化，以显著减少模拟时间，实现更高分辨率的模拟，从而预测天气形势短期和长期变化的局地影响。相关研究成果以题名为《数值天气预报模式中行星边界层参数化的快速计算区域感知的神经网络模拟》（Fast domain-aware neural network emulation of a planetary boundary layer parameterization in a numerical weather forecast model）的论文发表于2019年10月30日出版的Geoscientific Model Development。 |
| 情报分析_信息发布时间 | 2019-11-12 |
| 情报分析_信息来源性质 | 国立科研机构 |
| 情报分析_信息来源机构 | 阿贡实验室 |
| 情报分析_机构类别 | 国立科研机构 |
| 情报分析_信息来源国家 | 美国 |
| 情报分析_研究主题 | 天气预报 |
| 原文题名 | Deep Neural Networks Speed up Weather and Climate Models |
| 原文链接 | 查看原文 |
| 文献类型 | 快报文章 |
| 条目标识符 | http://119.78.100.173/C666/handle/2XK7JSWQ/161535 |
| 专题 | 地球科学 |
| 推荐引用方式 GB/T 7714 | 刘燕飞. 美研究人员利用深度神经网络改进数值天气预报模式. 2019. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 美研究人员利用深度神经网络改进数值天气预（13KB） | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | ||
| 美研究人员利用深度神经网络改进数值天气预（32KB） | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | ||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [刘燕飞]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [刘燕飞]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [刘燕飞]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
| 文件名： | 美研究人员利用深度神经网络改进数值天气预报模式.png |
| 格式： | image/png |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论