基于数值预报和随机森林算法的强对流天气分类预报技术

• 作者: 彭霞云 李文娟 赵放 郦敏杰 陈列
• 来源期刊: 气象
• 学科: 地球科学
• 关键词: 强对流分类 对流指数 物理量 随机森林
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 论文
• 页码范围: 1555-1564
• 页数: 10页
• 分类号: P456
• 字数: 7884字
• 语种: 中文
• DOI: 10.7519/j.issn.1000-0526.2018.12.005

摘要

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势.本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005-2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015-2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21.9％,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气.随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务.