| 北京地区体感温度误差订正方法研究 |
| |
| 引用本文： | 武略,焦瑞莉,王毅,夏江江,严中伟,李昊辰.北京地区体感温度误差订正方法研究[J].气象科学,2022,42(2):261-269. |
| |
| 作者姓名： | 武略 焦瑞莉 王毅 夏江江 严中伟 李昊辰 |
| |
| 作者单位： | 北京信息科技大学 信息与通信工程学院, 北京 100101;国家气象中心, 北京 100081;中国科学院大气物理研究所, 北京 100029;中国科学院大学, 北京 100049;北京邮电大学 理科学院, 北京 100876;北京大学, 北京 100871 |
| |
| 基金项目： | 中国科学院战略性先导科技专项(A类)资助(XDA19040202) |
| |
| 摘 要： | 基于欧洲中期天气预报中心(European Centre for Medium-range weather Forecasts,ECMWF)模式的预报数据和北京地区气象站点的观测数据,使用两种机器学习算法(线性回归和梯度提升回归树)对站点的体感温度进行误差订正,并采用均方根误差(Root Mean Square Error,RMSE)对预报效果进行评估,进一步与传统订正方法模式输出统计(Model Output Statistics,MOS)得到的订正结果进行对比。结果表明:线性回归、梯度提升回归树、MOS和ECMWF预报得到的平均RMSE分别为3.12、3.06、3.45、4.06℃,即机器学习算法明显优于MOS和ECMWF模式原始预报。机器学习订正方法不仅在平原地区取得了较好的效果,在高海拔站点的订正效果更加突出,为北京冬奥会复杂山地条件下赛事正常运行提供了一定的技术保障。
|
| 关 键 词： | 误差订正 机器学习 体感温度 北京地区 梯度提升回归树 |
| 收稿时间： | 2020/1/5 0:00:00 |
| 修稿时间： | 2020/5/9 0:00:00 |
Research on error correction of apparent temperature in Beijing |
| |
| Institution: | School of Information and Communication Engineering, Beijing Information Science and Technology University, Beijing 100101, China;National Meteorological Centre, Beijing 100081, China;Chinese Academy of Sciences Institute ofAtmospheric Physics, Beijing 100029, China;University of Chinese Academy of Sciences, Beijing 100049, China; School of Sciences, Beijing University of Posts and Telecommunications, Beijing 100876, China;Peking University, Beijing 100871, China |
| |
| Abstract: | |
| |
| Keywords: | error correction machine learning apparent temperature Beijing gradient boosting regression tree |
|
| 点击此处可从《气象科学》浏览原始摘要信息 |
| 点击此处可从《气象科学》下载免费的PDF全文 |
|
