初步研發(fā)了一套基于機器學(xué)習(xí)方法XGBoost且考慮地形特征影響的數(shù)值預(yù)報多模式集成技術(shù),并與傳統(tǒng)的等權(quán)重平均和線性回歸方法的集成效果進行了對比分析。利用北京地區(qū)快速更新循環(huán)數(shù)值預(yù)報系統(tǒng)每天8次循環(huán)預(yù)報給出的近地面2m溫度、2 m相對濕度、10 m風(fēng)速、10 m風(fēng)向數(shù)據(jù)產(chǎn)品,分別基于機器學(xué)習(xí)方法XGBoost、等權(quán)重平均方法、線性回歸方法構(gòu)建了3種體現(xiàn)地形因子影響的多模式預(yù)報時間滯后集成模型。試驗對比分析了暖季、冷季每日不同時刻的模式預(yù)報集成訂正效果。結(jié)果表明:分季節(jié)試驗中,基于XGBoost模型對2m溫度、10m風(fēng)速的集成預(yù)報結(jié)果相對原始最優(yōu)預(yù)報結(jié)果誤差明顯優(yōu)于其他兩種傳統(tǒng)方法。XGBoost對2 m溫度集成的誤差可降低11.02%—18.09%,10 m風(fēng)速集成誤差可降低31.23%33.22%,10 m風(fēng)向集成誤差可降低4.1%—8.23%。2 m相對濕度的集成預(yù)報誤差與傳統(tǒng)方法接近。基于XGBoost的多模式集成預(yù)報模型可以充分"挖掘"不同模式或不同時刻快速更新循環(huán)預(yù)報優(yōu)點,有效降低模式的系統(tǒng)性誤差,提供準(zhǔn)確性更高的多模式集成確定性預(yù)報產(chǎn)品。 

【文章來源】：氣象學(xué)報. 2020,78(06)北大核心CSCD

【文章頁數(shù)】：19 頁

【參考文獻】：
期刊論文
[1]相似集合預(yù)報方法在北京區(qū)域地面氣溫和風(fēng)速預(yù)報中的應(yīng)用[J]. 王在文,陳敏,Luca Delle Monache,盧冰,張涵斌.  氣象學(xué)報. 2019(05)
[2]基于支持向量機的雷暴大風(fēng)識別方法[J]. 楊璐,韓豐,陳明軒,孟金平.  應(yīng)用氣象學(xué)報. 2018(06)
[3]基于集合預(yù)報和支持向量機的中期強降雨集成預(yù)報試驗[J]. 黃威,牛若蕓.  氣象. 2017(09)
[4]多模式溫度集成預(yù)報[J]. 趙聲蓉.  應(yīng)用氣象學(xué)報. 2006(01)



本文編號：3124658