基于CMA-GD模式预报数据, 利用多神经网络的动态权重集成方法, 开展了贵州省温度预报订正 研究, 最终获得本地化温度预报订正产品。结果表明:(1) 在对历史数据检验评估的基础上, 利用多种神经网络 方法可有效降低模式系统误差, 通过BP、BP_GA、WAVENN、GRNN、LSTM等神经网络订正, 2020 年贵州省0~ 72 h 预报时效的温度平均绝对误差较模式降低0.01~0.17 ℃;(2) 考虑到不同神经网络订正结果的差异性, 采 用动态权重方案对订正结果进行优势集成可显著提升预报可靠性。经集成后的温度预报效果优于模式直接输 出和各神经网络订正结果, 2020 年贵州省0~72 h 预报时效的温度平均绝对误差较模式降低14.93%, 预报准确 率提升8.24%。此外, 动态权重集成后的订正结果还表现出较好的稳定性。基于该方法形成的本地化客观预报 订正产品可为提升贵州复杂地形下温度预报质量以及精细化预报服务水平提供参考依据. [ABSTRACT FROM AUTHOR]