非線形モデルを用いた欧州におけるサブシーズナル風速予測の改善

要旨 サブシーズナル風速予測は風力発電システムの計画と運用に貴重な指針を提供しますが、地表風の予測精度は2週間後に急激に低下します。しかし、大規模な変数はこの時間スケールでより高い予測可能性を示します。本研究では、500-hPa位勢高度（Z500）と地表風速の間の非線形関係を利用して、欧州におけるサブシーズナル風速予測スキルを向上させる可能性を探ります。私たちの提案するフレームワークでは、マルチプル線形回帰（MLR）または畳み込みニューラルネットワーク（CNN）を用いて、Z500から地表風速を回帰します。ERA5再解析による評価は、CNNがその非線形性のために優れていることを示しています。これらのモデルを欧州中期気象予報センターのサブシーズナル予測に適用し、さまざまな検証指標が非線形性の利点を示します。しかし、これはこれらの統計モデルが目標変数の分散のほんの一部しか説明していないため、部分的に説明されます。信号からの未説明部分の確率的変動を表すために確率的擾乱を導入することが、この問題を補うのに役立ちます。結果は、擾乱を加えたCNNが最初の数週間のみ擾乱を加えたMLRより優れていることを示していますが、擾乱を加えたMLRの性能は2週間後に擾乱を加えたCNNのものに収束します。本研究では、確率的擾乱を導入することで、これらの統計モデルにおける分散不足の問題を解決できることがわかり、非線形性からの改善は予測のリードタイムによって異なることが示されました。