基于自动LightGBM的贵州局地大气加权平均温度模型构建

摘要

针对贵州地形起伏大、探空站数量少，以及现有大气加权平均温度（T_m）模型不能很好地刻画T_m及其垂向变化的空间差异性和日变化特征等问题，结合贝叶斯超参数优化和LightGBM机器学习方法各自的优势，提出了一种顾及T_m及其垂向变化的空间差异性、年周期、季节周期和日变化特征的自动机器学习建模方法，并以包围威宁探空站的4个ERA5格网点为例，构建了一种无气象参数依赖的贵州局地T_m经验模型（WNTm模型）。实验结果表明：WNTm模型在训练集和验证集上均取得了较高的拟合精度，其不仅可以诊断出T_m的日变特征，还能较好地刻画T_m的垂向变化趋势；以探空站气象资料计算的T_m为参考值，WNTm模型相比于目前较优的GPT3模型取得了更高的预测精度，平均绝对误差和均方根误差分别降低了14.63%和20.14%。该研究方法和思路可为进一步改善T_m的精度提供一种新的途径。

关键词

大气加权平均温度 / 日变化特征 / 垂向变化 / 自动LightGBM