首页|基于机器学习的韶关地区短期日平均气温研究

基于机器学习的韶关地区短期日平均气温研究

扫码查看
原文链接
  • 万方数据
  • 维普
利用1965-2017年韶关地区8个站点的日平均气温观测资料,发现将过去连续7 d的日平均气温分别作为逐步多元线性回归、LightGBM(light gradient boosting machine)以及BP-NN(back propagation neural network)算法(机器学习)的自变量可最准确地预报出未来1～3 d的日平均气温.据此分别构建了三种短期气温预报模型,并系统地探讨了其适用性.主要结果如下:(1)三种模型的预报准确度均较高,机器学习方法在预报正确率(绝对误差(absolute error)小于2℃的天数占比)、相关系数(R)和平均绝对误差(mean absolute error,MAE)上均要优于逐步多元线性回归法.其中LightGBM的预报效果最优,其1～3 d的预报正确率分别为84.38％、69.86％、61.37％,对应预报值与测量值之间的R分别为0.98、0.94、0.93,MAE分别为1.17、1.76、2.00℃.(2)冬春季、秋冬季日平均气温较大的波动性是导致该时期三种模型MAE总体偏大的主要因素,但LightGBM仍具有最优的预报稳定性,其绝对误差的方差最低.

罗威、罗烨泓、王威

展开 >

兴宁市气象局,广东兴宁 514500

韶关市气象局,广东韶关 512028

深圳市气象局,广东深圳 518000

机器学习 气象业务 短期预报 气温

四川省教育厅气象灾害预报预警与应急管理研究中心科研项目

ZHYJ19-YB03

2022

陕西气象
陕西省气象局 陕西省气象学会

陕西气象

影响因子：0.492
ISSN：1006-4354
年,卷(期)：2022.(6)
  • 1
  • 6