基于探空数据集成学习的短时强降水预报试验

查看全文 作　　者：[1]韩丰;[2]杨璐;[1]周楚炫;[1]吕终亮

机构地区：[1]国家气象中心,北京100081;[2]北京城市气象研究院,北京100089

出　　处：《应用气象学报》索引2021年第32卷第2期,共12页

基　　金：国家重点研发计划(2018YFC1507506)。 摘　　要：使用2015—2019年6—9月08:00(北京时)我国119个探空站的大气层结和对流参数作为特征参数,基于XGBoost集成学习方法,建立短时强降水事件预报模型。同时,提出一种面向高影响天气的模型优化思路,通过使用分段权重损失函数,进行模型调优,在空报率不超过一定阈值的情况下,可提升模型预报的命中率和TS评分。设计分段权重损失函数权重敏感性试验和损失函数对比试验,选取7个区域中心探空站对比分析模型优化方法的有效性和泛化性。利用2019年6—9月全国探空数据针对短时强降水预报开展批量独立检验和个例分析,结果表明:改进后的预报模型TS评分提高0.05~0.1,命中率提高0.15以上,空报率提高0.05~0.1,表现出明显的'宁空勿漏'预报倾向,模型预报能力得到明显提升;在全国短时强降水预报试验中,预报模型命中率为0.65,空报率为0.37,漏报率为0.34,TS评分为0.47,说明该模型对短时强降水天气具有一定预报能力。 关键词：短时强降水探空数据集成决策树损失函数优化

相关文献

参考文献（34）
引证文献（27）
耦合文献（1860）

参考文献(34)

引证文献(27)

耦合文献(1860)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于探空数据集成学习的短时强降水预报试验

参考文献(34)

引证文献(27)

耦合文献(1860)

用户提示