基于多维度参数敏感性试验与双目标优化的WRF模型动态调优方法

本发明涉及气象数值预报技术领域，提供了一种基于多维度参数敏感性试验与双目标优化的WRF模型动态调优方法，目的在于解决现有WRF模型参数调优中参数碎片化、试验效率低、评估机制片面及计算资源浪费引起的预报精准度不足与业务应用受限的问题。通过构建多维参数体系，开发Python接口程序实现自动化敏感性试验，融合RMSE、MAE、CC指标生成带权重敏感性指数SI，筛选关键参数组合。引入计算效率因子建立预报精度‑计算效率双目标优化模型，采用粒子群算法求解帕累托最优解，实现复杂场景下预报精度与计算效率的动态平衡。该方法覆盖网格数、spin‑up时间及多类参数化方案，突破传统单一参数调优局限，提升极端天气和复杂地形区域的预报准确性。