基于机器学习的模式温度预报订正方法

刘杰, 刘高平, 安晶晶, 邱学兴, 章颖

沙漠与绿洲气象 ›› 2024, Vol. 18 ›› Issue (03) : 96 -104.

PDF
沙漠与绿洲气象 ›› 2024, Vol. 18 ›› Issue (03) : 96 -104.

基于机器学习的模式温度预报订正方法

    刘杰, 刘高平, 安晶晶, 邱学兴, 章颖
作者信息 +

Author information +
文章历史 +
PDF

摘要

基于ECWMF模式数据(地面2 m温度、10 m风、降水等多气象要素预报产品)和安徽省80个国家气象站观测资料,利用决策树、随机森林、LightGBM三种机器学习算法订正ECMWF模式0~72 h温度预报,并将其与传统MOS订正方法和主观预报产品进行对比分析。结果表明:ECMWF模式高温预报误差明显高于低温预报,在安徽皖南山区和大别山区存在较大的预报误差。随机森林对最高温度预报的表现最优,LightGBM对最低温度预报的表现最优,与ECMWF模式结果相比,预报准确率分别提高了18.16%和5.19%。高山站点融合周围站点信息的机器学习模型能有效降低高、低温的预报误差。机器学习在高温和寒潮天气过程中相比主观订正仍有良好表现,能显著优化或改善数值模式在转折天气中的温度预测精度。

关键词

ECMWF / 温度订正 / 机器学习 / 高山站点

Key words

引用本文

引用格式 ▾
基于机器学习的模式温度预报订正方法[J]. 沙漠与绿洲气象, 2024, 18(03): 96-104 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

214

访问

0

被引

详细

导航
相关文章

AI思维导图

/