一种机器学习方法在湖北定时气温预报中的应用试验

• 作者: 王珊珊 谭江红 陈伟亮
• 来源期刊: 气象科技进展
• 关键词: 机器学习 决策树 LightGBM 气温 预报试验
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 46-50
• 页数: 5页
• 字数: 4809字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1973.2018.05.006

摘要

利用2015—2017年湖北89个气象站地面观测温度、欧洲中心再分析资料和0～12 h预报资料回归模式输出要素与地面气温之间的关系,建立了LightGBM模型,并在2018年数据集上进行测试.结果表明,定时气温平均绝对误差由模式本身的1.8℃下降到1.1℃,2℃以内预报准确率由65.9％上升至86.6％,决定系数(拟合优度)高达0.97.该模型已经在武汉中心气象台业务化,初步选取定时气温中的极值进行2018年2—6月预报评分,24 h高、低温预报准确率分别为76.9％和91.4％,在客观产品中排名前列,较数值预报模式产品提升明显,低温预报准确率超过预报员水平.LightGBM作为一个年轻的机器学习框架,在气象要素预报方面具备良好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭江红		3	5	1.0	2.0
5	陈伟亮		7	2	1.0	1.0