| 基于机器学习的格点气温预报订正方法 |
| |
| 引用本文： | 方鸿斌,王珊珊,王晓玲,谭江红,鲁礼炳.基于机器学习的格点气温预报订正方法[J].气象,2024,50(1):103-114. |
| |
| 作者姓名： | 方鸿斌 王珊珊 王晓玲 谭江红 鲁礼炳 |
| |
| 作者单位： | 武汉中心气象台,武汉 430074;湖北省襄阳市气象局,襄阳 441022;湖北省荆州市气象局,荆州 434022 |
| |
| 基金项目： | 湖北省气象局科技支撑项目（2022Y01）、中国气象局重点创新团队（CMA2022ZD04）共同资助 |
| |
| 摘 要： | 使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式（EC）产品，根据湖北省的地理分布特征构建6个分区，采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验，结果表明：基于机器学习的气温预报方法（MLT）取得了较好的预报效果，其在0～72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品；MLT在山区的误差较平原大，但山区的订正幅度大于平原，日最高气温的订正幅度大于日最低气温的订正幅度；4—9月MLT、SCMOC、EC产品的平均绝对误差（MAE）日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征，MLT的MAE值较SCMOC和EC产品的更低，并且在转折性天气中仍具有优势；站点检验与格点检验结论一致，基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。
|
| 关 键 词： | 格点气温，机器学习，特征选择，分区建模 |
| 收稿时间： | 2022/11/27 0:00:00 |
| 修稿时间： | 2023/11/17 0:00:00 |
Gridded Temperature Forecast Correction Method Based on Machine Learning |
| |
| FANG Hongbin,WANG Shanshan,WANG Xiaoling,TAN Jianghong,LU Libing.Gridded Temperature Forecast Correction Method Based on Machine Learning[J].Meteorological Monthly,2024,50(1):103-114. |
| |
| Authors: | FANG Hongbin WANG Shanshan WANG Xiaoling TAN Jianghong LU Libing |
| |
| Abstract: | |
| |
| Keywords: | gridded temperature machine learning feature selection partition modeling |
|
| 点击此处可从《气象》浏览原始摘要信息 |
| 点击此处可从《气象》下载免费的PDF全文 |
|
