基于机器学习模型的青藏高原日降水数据的订正研究

选择了5种机器学习模型,即k最近邻方法(KNN)、多元自回归样条方法(MARS)、支持向量机(SVM)、多项对数线性模型(MLM)和人工神经网络(ANN),利用海拔、相对湿度、坡向、植被、风速、气温和坡度等因子订正ITPCAS和CMORPH两种常用的青藏高原日降水数据集。五折交叉验证表明,KNN的订正精度最高。在三个验证站点(唐古拉、西大滩和五道梁)的误差分析,以及对青藏高原年降水量的空间分析均表明,KNN对CMORPH的订正效果显著,对ITPCAS在局部区域有一定订正效果,ITPCAS及其订正值的降水空间分布准确度高于CMORPH的订正值。主成分分析法表明降水订正是气象和环境因子综合作用的结果。