影響能見度的因子眾多且作用機理復(fù)雜,對能見度的預(yù)測構(gòu)成了重大挑戰(zhàn)。進行能見度的精準預(yù)報,對于保障交通安全,提高人們出行質(zhì)量有著重要的意義。上海作為超大型城市,也是我國最重要的交通樞紐之一,以上海為典型研究區(qū)域,研究針對能見度的精準預(yù)報體系對公共安全管理具有重要的現(xiàn)實指導(dǎo)意義。在能見度預(yù)測研究方面,目前廣泛采用的數(shù)值預(yù)報模式忽略了預(yù)報因子與能見度之間的非線性關(guān)系,而使用機器學(xué)習(xí)算法對能見度預(yù)報的研究則大多僅依賴于實測數(shù)據(jù),缺少對數(shù)值預(yù)報產(chǎn)品的挖掘,此外現(xiàn)有研究多關(guān)注能見度預(yù)測的精度,缺少對模型內(nèi)部機制的探索和解釋。針對目前研究的不足,本文開展基于多源數(shù)據(jù)和機器學(xué)習(xí)算法的能見度預(yù)測研究。論文主要研究內(nèi)容和結(jié)論如下:1)基于多源數(shù)據(jù)和XGBoost的能見度預(yù)測模型構(gòu)建。論文結(jié)合實測數(shù)據(jù)、WRF數(shù)值預(yù)報模式預(yù)報數(shù)據(jù)和EC-thin高空預(yù)報數(shù)據(jù),應(yīng)用XGBoost算法,創(chuàng)建并訓(xùn)練上海市11個站點未來24小時的能見度預(yù)測模型。結(jié)果表明:能見度預(yù)測模型預(yù)測精度整體較好,預(yù)測結(jié)果較WRF數(shù)值預(yù)報精度有明顯提升,模型的決定系數(shù)約60.2%,逐級預(yù)報的準確率為81%。2)模型中影響能見度的各因子的重要性分... 

【文章來源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究步驟圖

研究區(qū)域概況東瀕東海，西接江蘇、浙江兩省，北接長江入海口，位置優(yōu)越，交通便總體呈由東向西低微傾斜。在氣候方面，上海屬亞熱帶季風(fēng)氣候，日照充充沛。上海具有世界上首屈一指的城市體量，是全國的金融中心、經(jīng)濟部重要的交通樞紐，其港口是世界上最繁忙的港口之一。由于靠近海濱能見度過程的形成和發(fā)展同時受到陸地輻射與海面平流的影響，一天之內(nèi)內(nèi)各地能見度的變化較大，能見度預(yù)報的難度也有所增加。本次研究的為上海市 11 個地面觀測站點的相關(guān)氣象數(shù)據(jù)，11 個站點分別是寶山站、奉賢站、嘉定站、金山站、閔行站、南匯站、浦東站、青浦站、松江匯站，站點的具體分布如圖 2-1。

通過對比分析歐洲細網(wǎng)格數(shù)值預(yù)報模式和我國氣象中心的 T213 模式預(yù)報的溫度格點數(shù)據(jù)，得出 EC-thin 預(yù)報模式在我國中東部地區(qū)具有預(yù)報優(yōu)勢[75]，馬超等通過對比分析歐洲細網(wǎng)格數(shù)值預(yù)報模式和我國 T639 數(shù)值預(yù)報模式預(yù)報的 500hPa形勢場得出，48h 之內(nèi) EC-thin 預(yù)報模式的準確率略高于 T639[76]。前人的研究表明 EC-thin 預(yù)報模式在溫度、降水、大風(fēng)等氣象預(yù)報上面有一定的優(yōu)勢，所以本文引入 EC-thin 預(yù)報模式的預(yù)報數(shù)據(jù)，以豐富模型的訓(xùn)練數(shù)據(jù)，增加預(yù)測精度。氣象因子和能見度在時間上有著連續(xù)性，前一時刻的氣象因子和能見度對后面某個時刻的能見度有著一定的影響，所以本文引入起報時間前 t 小時的實測數(shù)據(jù)，主要是溫度、濕度、風(fēng)速風(fēng)向、能見度等作為訓(xùn)練特征。WRF 數(shù)據(jù)、EC-thin 數(shù)據(jù)和實測數(shù)據(jù)在存儲格式上存在時間節(jié)點的差異，本文按照WRF數(shù)據(jù)的起報時間和預(yù)報時間，將 EC-thin 數(shù)據(jù)和實測數(shù)據(jù)進行組合，生成組合數(shù)據(jù)集。具體組成如圖 3-1 所示。

【參考文獻】：
期刊論文
[1]2000—2016年基于WRF模式的0.05°×0.05°黑河流域近地表大氣驅(qū)動數(shù)據(jù)[J]. 潘小多,馬瀚青.  高原氣象. 2019(01)
[2]基于XGBoost方法的葡萄酒品質(zhì)預(yù)測[J]. 孫逸菲,袁德成,王建龍,白楊.  沈陽化工大學(xué)學(xué)報. 2018(04)
[3]工程土方計量空間插值方法對比分析研究[J]. 劉洋,袁會林,周小錄.  科技資訊. 2018(33)
[4]基于異質(zhì)集成學(xué)習(xí)方法的房價預(yù)測[J]. 何睿婷.  通訊世界. 2018(10)
[5]成都市冬季相對濕度和顆粒物濃度對大氣能見度的影響[J]. 張迎春,王文勇.  環(huán)�？萍�. 2018(05)
[6]數(shù)值預(yù)報解釋應(yīng)用現(xiàn)狀與展望[J]. 辛洪德.  科技經(jīng)濟導(dǎo)刊. 2018(28)
[7]環(huán)境空氣質(zhì)量預(yù)報方法簡介[J]. 張燦,王靜,簡高武,張君.  環(huán)境與可持續(xù)發(fā)展. 2018(05)
[8]基于視頻的霧天能見度實時監(jiān)測方法研究[J]. 邱新法,葉棟水,曾燕,葉秀枝,石一凡.  安全與環(huán)境學(xué)報. 2018(04)
[9]基于MLP神經(jīng)網(wǎng)絡(luò)的機場能見度預(yù)測模型[J]. 朱國梁.  科技創(chuàng)新與應(yīng)用. 2018(18)
[10]一種基于多元回歸的能見度檢測方法[J]. 唐紹恩,李騫,顧大權(quán),敬金瑞.  信息技術(shù)與網(wǎng)絡(luò)安全. 2018(03)

博士論文
[1]耦合分布式水文模擬及降雨集合預(yù)報的水庫實時優(yōu)化調(diào)度[D]. 王福興.大連理工大學(xué) 2012

碩士論文
[1]基于隨機森林算法和多源數(shù)據(jù)的人口空間分布模型研究[D]. 鄧順強.華東師范大學(xué) 2018
[2]氣象數(shù)據(jù)分析系統(tǒng)的設(shè)計與預(yù)報應(yīng)用[D]. 周樂安.杭州電子科技大學(xué) 2016
[3]結(jié)合文本傾向性分析的股評可信度計算研究[D]. 丘橋云.哈爾濱工業(yè)大學(xué) 2014
[4]大慶市PM10污染預(yù)測的研究[D]. 王頂.西南交通大學(xué) 2011



本文編號：3274146