基于SMOTE算法和邏輯回歸模型算法的江蘇短時(shí)強(qiáng)降水潛勢(shì)預(yù)報(bào)
發(fā)布時(shí)間:2021-06-25 09:51
短時(shí)強(qiáng)降水是導(dǎo)致城市內(nèi)澇和山洪、滑坡等災(zāi)害的重要原因,其突發(fā)性強(qiáng),局地性明顯,預(yù)報(bào)難度大,是強(qiáng)對(duì)流天氣業(yè)務(wù)預(yù)報(bào)的重點(diǎn)和難點(diǎn)之一。本研究利用2011—2018年江蘇省國(guó)家氣象觀測(cè)的逐小時(shí)降水資料對(duì)江蘇省短時(shí)強(qiáng)降水時(shí)空分布特征進(jìn)行分析,江蘇短時(shí)強(qiáng)降水頻次分布為典型的南多北少,主要降水出現(xiàn)在早晨04:00—10:00和午后15:00—19:00,前半夜出現(xiàn)降水的概率則較低;贓RA5再分析資料,選取了對(duì)于短時(shí)強(qiáng)降水有較強(qiáng)判斷能力的氣象要素,合成少數(shù)類過(guò)取樣(SMOTE)算法和邏輯回歸(LR)方法,構(gòu)建短時(shí)強(qiáng)降水的預(yù)報(bào)模型,利用2019年的,歐洲中期天氣預(yù)報(bào)中心(ECMWF)預(yù)報(bào)產(chǎn)品基于該模型進(jìn)行短時(shí)強(qiáng)降水的確定性預(yù)報(bào)和概率預(yù)報(bào),并使用同期實(shí)況數(shù)據(jù)進(jìn)行系統(tǒng)性檢驗(yàn)和天氣過(guò)程檢驗(yàn)。結(jié)果表明該模型總體性能較好,對(duì)短時(shí)強(qiáng)降水出現(xiàn)與否有較好的判別能力和預(yù)報(bào)指示意義。未來(lái)24 h以內(nèi)的6 h時(shí)效預(yù)報(bào),TS(threat score)評(píng)分在0.23以上,未來(lái)60 h以內(nèi)的6 h時(shí)效預(yù)報(bào)TS評(píng)分均在0.2以上,但也存在著一定程度的空?qǐng)?bào)和漏報(bào);赟MOTE+LR短時(shí)強(qiáng)降水預(yù)報(bào)模型對(duì)短時(shí)強(qiáng)降水的潛勢(shì)預(yù)報(bào)具有較...
【文章來(lái)源】:科學(xué)技術(shù)與工程. 2020,20(28)北大核心
【文章頁(yè)數(shù)】:8 頁(yè)
【部分圖文】:
江蘇省短時(shí)強(qiáng)降水頻次分布特征
江蘇省短時(shí)強(qiáng)降水頻次日變化特征
精確率和召回率是一組矛盾的變量。圖4和表2分別為南通站短時(shí)強(qiáng)降水模型不同閾值的混淆矩陣和評(píng)估指標(biāo),可以看出,當(dāng)閾值越小,準(zhǔn)確率和召回率值越小,預(yù)報(bào)模型能找出短時(shí)強(qiáng)降水出現(xiàn)的個(gè)例就越多,但誤判的數(shù)量也較大。隨著閾值的提高,召回率和準(zhǔn)確率逐漸升高,精確率值逐漸降低,誤判的數(shù)量也隨之減少。在實(shí)際預(yù)報(bào)中,鑒于短時(shí)強(qiáng)降水可能的致災(zāi)危害性,為盡可能減少漏報(bào),可以適當(dāng)放寬閾值,接受一定程度的空?qǐng)?bào)。圖4 南通站短時(shí)強(qiáng)降水預(yù)報(bào)模型不同閾值的混淆矩陣
【參考文獻(xiàn)】:
期刊論文
[1]暴雨條件下貴州關(guān)嶺大寨滑坡穩(wěn)定性研究[J]. 劉其琛,熊承仁,馬俊偉. 科學(xué)技術(shù)與工程. 2015(11)
[2]基于高密度自動(dòng)站的深圳短時(shí)強(qiáng)降水特征分析[J]. 力梅,李磊,蘭紅平. 科學(xué)技術(shù)與工程. 2014(18)
[3]中國(guó)短時(shí)強(qiáng)對(duì)流天氣的若干環(huán)境參數(shù)特征分析[J]. 樊李苗,俞小鼎. 高原氣象. 2013(01)
[4]基于構(gòu)成要素的預(yù)報(bào)方法——配料法[J]. 俞小鼎. 氣象. 2011(08)
[5]南京地區(qū)夏季暴雨年際變化與大氣環(huán)流的聯(lián)系[J]. 楊秋明,黃世成,謝志清,錢瑋,李熠. 科學(xué)技術(shù)與工程. 2010(33)
[6]基于業(yè)務(wù)中尺度模式的配料法強(qiáng)降水定量預(yù)報(bào)[J]. 唐曉文,湯劍平,張小玲. 南京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(03)
[7]中國(guó)近50a極端降水事件變化特征的季節(jié)性差異[J]. 陳海山,范蘇丹,張新華. 大氣科學(xué)學(xué)報(bào). 2009(06)
[8]短歷時(shí)強(qiáng)降水的極值分布與統(tǒng)計(jì)風(fēng)險(xiǎn)計(jì)算[J]. 嚴(yán)洌娜,徐集云,陳勝軍. 科技通報(bào). 2005(06)
本文編號(hào):3248993
【文章來(lái)源】:科學(xué)技術(shù)與工程. 2020,20(28)北大核心
【文章頁(yè)數(shù)】:8 頁(yè)
【部分圖文】:
江蘇省短時(shí)強(qiáng)降水頻次分布特征
江蘇省短時(shí)強(qiáng)降水頻次日變化特征
精確率和召回率是一組矛盾的變量。圖4和表2分別為南通站短時(shí)強(qiáng)降水模型不同閾值的混淆矩陣和評(píng)估指標(biāo),可以看出,當(dāng)閾值越小,準(zhǔn)確率和召回率值越小,預(yù)報(bào)模型能找出短時(shí)強(qiáng)降水出現(xiàn)的個(gè)例就越多,但誤判的數(shù)量也較大。隨著閾值的提高,召回率和準(zhǔn)確率逐漸升高,精確率值逐漸降低,誤判的數(shù)量也隨之減少。在實(shí)際預(yù)報(bào)中,鑒于短時(shí)強(qiáng)降水可能的致災(zāi)危害性,為盡可能減少漏報(bào),可以適當(dāng)放寬閾值,接受一定程度的空?qǐng)?bào)。圖4 南通站短時(shí)強(qiáng)降水預(yù)報(bào)模型不同閾值的混淆矩陣
【參考文獻(xiàn)】:
期刊論文
[1]暴雨條件下貴州關(guān)嶺大寨滑坡穩(wěn)定性研究[J]. 劉其琛,熊承仁,馬俊偉. 科學(xué)技術(shù)與工程. 2015(11)
[2]基于高密度自動(dòng)站的深圳短時(shí)強(qiáng)降水特征分析[J]. 力梅,李磊,蘭紅平. 科學(xué)技術(shù)與工程. 2014(18)
[3]中國(guó)短時(shí)強(qiáng)對(duì)流天氣的若干環(huán)境參數(shù)特征分析[J]. 樊李苗,俞小鼎. 高原氣象. 2013(01)
[4]基于構(gòu)成要素的預(yù)報(bào)方法——配料法[J]. 俞小鼎. 氣象. 2011(08)
[5]南京地區(qū)夏季暴雨年際變化與大氣環(huán)流的聯(lián)系[J]. 楊秋明,黃世成,謝志清,錢瑋,李熠. 科學(xué)技術(shù)與工程. 2010(33)
[6]基于業(yè)務(wù)中尺度模式的配料法強(qiáng)降水定量預(yù)報(bào)[J]. 唐曉文,湯劍平,張小玲. 南京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(03)
[7]中國(guó)近50a極端降水事件變化特征的季節(jié)性差異[J]. 陳海山,范蘇丹,張新華. 大氣科學(xué)學(xué)報(bào). 2009(06)
[8]短歷時(shí)強(qiáng)降水的極值分布與統(tǒng)計(jì)風(fēng)險(xiǎn)計(jì)算[J]. 嚴(yán)洌娜,徐集云,陳勝軍. 科技通報(bào). 2005(06)
本文編號(hào):3248993
本文鏈接:http://sikaile.net/projectlw/qxxlw/3248993.html
最近更新
教材專著