基于XGBoost的10 m风速订正研究

• 作者: 何嘉 毛开银 赵长名
• 来源期刊: 成都信息工程大学学报
• 学科: 工学
• 关键词: 机器学习 风速订正 聚类 XGBoost
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 电子信息科学与技术
• 页码范围: 604-609
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.16836/j.cnki.jcuit.2020.06.004

摘要

基于当前气象预报模式,风速预报的精确度存在一定的误差,国内外研究者对风速的预报订正做了大量的研究.提出一种CD-XGBoost(clustering and double XGBoost)算法,该算法针对现有的机器学习风速预报订正算法进行改进,主要包含以下3个改进方向:第一,提出利用天气元素与订正元素之间的相关性进行聚类的思路,通过对簇间站点进行基于不同机器学习模型的训练,提高风速订正结果的准确性;第二,算法突出空间因素对风速预报的影响,选取气象观测站点的K个邻近预报网格点的预报元素构建数据集,相较传统插值进行订正的方式更多地考虑站点与网格点之间的空间因素.第三,提出使用2个不同起报时刻数据独立训练XGBoost模型,对模型的输出再进行线性权重加和得到最终订正结果的算法.仿真实验中,采用中国2552个气象观测站的逐3h观测数据与欧洲中期气象预报中心(ECWMF)的数值模式的逐3h预报的数据,对ECWMF预报的地面10 m风速进行观测站点订正.使用改进后的算法构建的模型与目前算法构建的模型进行比较,结果证明文中算法在风速预测准确度明显优于目前的订正算法,其中3h预报时效时准确率高于85％,168 h预报时效是其准确率高于60％,具有很好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何嘉		37	160	8.0	10.0
2	毛开银		1	0	0.0	0.0
3	赵长名		1	0	0.0	0.0