基于随机森林模型的雅鲁藏布江流域气温降尺度研究

• 作者: 任梅芳 庞博 徐宗学 赵彦军
• 来源期刊: 高原气象
• 学科: 地球科学
• 关键词: 统计降尺度 随机森林 雅鲁藏布江 气温
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论文
• 页码范围: 1241-1253
• 页数: 13页
• 分类号: P467
• 语种: 中文
• DOI: 10.7522/j.issn.1000-0534.2018.00026

摘要

采用随机森林RF(Random Forest)模型对雅鲁藏布江流域22个站点的日平均气温进行降尺度研究,为了探求在雅鲁藏布江流域更适宜的气温降尺度方法,采用多元线性回归MLR、人工神经网络ANN和支持向量机SVM三种方法作为对比模型,并且采用主成分分析PCA和偏相关分析PAR两种分析方法,进行特征变量筛选.采用纳西效率系数NASH、均方根误差RMSE系数、绝对误差MAE和相关系数r值四种标准来评价模型的模拟效果.结果表明,RF模型的模拟效果要明显优于其他几种方法的模拟结果;采用PAR筛选特征变量的模型计算结果,不仅优于采用PCA筛选特征变量模型的模拟结果,且较稳定,另外,各种模型验证期的ⅣASH效率系数都在0.86以上,相关系数都在0.93以上,所用几种模型都能较好地模拟雅江流域平均气温.选取MPI-ESM-LR模式在未来(2016-2050年)两种极端典型浓度路径RCP(Representative Concentration Pathway)排放情景RCP2.6和RCP8.5下的试验数据,研究雅鲁藏布江流域未来气温变化趋势表明,雅鲁藏布江流域未来2016-2050年在RCP2.6和RCP8.5两种排放情景下,平均气温都呈现出持续上升的趋势,在RCP2.6排放情景下日平均气温平均上升0.14℃,在RCP8.5排放情景下日平均气温平均上升0.30℃.