袁薇
- 作品数：4 被引量：9H指数：1
- 供职机构：中国气象局更多>>
- 发文基金：江苏省自然科学基金更多>>
- 相关领域：天文地球环境科学与工程自动化与计算机技术社会学更多>>
- 基于预报精准的研究型业务技术培训需求分析和思考被引量：1
- 2022年
- 加强客观预报方法和预报检验评估方面的培训,完善针对数值模式产品、网格预报产品的精细化检验评估和订正,以及多尺度天气气候模式的不确定性分析、评估和改进等方面的培训。助力解决业务人员的科技创新能力不够、科研人员相对薄弱的现状。气象核心业务是一种研究型业务,随着气象通讯计算机化、气象预报数值化和网格化、气象观测自动化,更多的业务人员从事本地预报技术和气象产品的研发。发展研究型业务,能加快解决好气象预报中“卡脖子”难题,实现核心技术自立自强。
- 郑晓辉赵娟薛童钟琦袁薇
- 关键词：研究型气象预报科技创新能力自立自强
- 赴美国国家大气研究中心研修总结
- 2015年
- 1概况
2014年7月15日至8月15日，中国气象局气象干部培训学院袁薇赴美国国家大气研究中心（NCAR）应用研究实验室（RAL）进行为期1个月的学习与合作交流，师从詹姆斯·威尔逊（James Wilson）先生和瑞塔·罗伯茨（Rita Roberts）女士。
- 袁薇
- 关键词：干部培训实验室
- 基于多变量混合长短期记忆神经网络的长沙PM_(2.5)预报模型被引量：8
- 2021年
- 为了提高PM_(2.5)浓度预报准确率,基于长短期记忆(long short-term memory,LSTM)神经网络构建多变量混合预报模型(hybrid long short-term memory,hLSTM),利用空气质量数据、气象数据和日期时间信息对长沙10个空气质量监测站未来24 h PM_(2.5)浓度进行逐小时预报,并对模型精度进行评估。结果表明:hLSTM逐小时PM_(2.5)预报模型误差随预报时效的增加呈现前陡后缓逐步增大,均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)分别从1 h的6.53μg/m^(3)、4.03μg/m^(3)和16.02%增大到24 h的20.62μg/m^(3)、13.56μg/m^(3)和47.34%;模型误差存在明显的季节性差异,呈现冬季>秋季>春季>夏季的特征;相较于基于决策树(decision trees,DTs)、循环神经网络(recurrent neural network,RNN)和普通LSTM的预报模型,hLSTM模型能更好地提取长沙PM_(2.5)浓度数据的时序特征,达到更高的预报精度;利用hLSTM模型对长沙2019年12月13—16日重污染天气过程PM_(2.5)浓度进行预报,各时效的预报结果均能反映污染过程中PM_(2.5)的变化趋势,其中3 h内的预报结果与观测值吻合程度较高。可见hLSTM可较好提取长沙PM_(2.5)浓度变化特征,为其短临预报提供一种新思路。
- 罗宇袁薇袁薇陈明诚唐杰万文龙范嘉智
- 气象雷达观测设备仿真培训器
- 本实用新型公开了气象雷达观测设备仿真培训器，包括固定底座，固定底座的顶端固定安装有带电池仿真柱，带电池仿真柱的顶端安装有安装接头，安装接头的顶端安装有雷达仿真体，雷达仿真体的内部固定安装有仿真模块，本实用新型气象雷达观测...
- 温博范雯杰袁薇王智陶泉张芳张晨张蕾尕藏程林高峰赵鹏
