气象科学

作者：张玉欣，康晓燕，侯永慧，薛丽梅，田建兵

单位：青海省气象灾害防御技术中心, 西宁 810000;青海省防灾减灾重点实验室, 西宁 810000,,青海省气象灾害防御技术中心, 西宁 810000;青海省防灾减灾重点实验室, 西宁 810000,,青海省气象灾害防御技术中心, 西宁 810000;青海省防灾减灾重点实验室, 西宁 810000,,青海省气象灾害防御技术中心, 西宁 810000;青海省防灾减灾重点实验室, 西宁 810000,,青海省气象灾害防御技术中心, 西宁 810000;青海省防灾减灾重点实验室, 西宁 810000,

关键词：机器学习;环流指数;降水;随机森林;神经网络

基金：第二次青藏高原综合科学考察研究项目(2019QZKK0104);国家自然科学基金资助项目(42165008);西北区域人影建设研究项目(RYSY201903);青海省自然科学基金资助项目(2021-ZJ-745)

利用1976—2020年黄河上游8个国家站实测降水数据结合74项环流指数,应用RF和BP神经网络算法,建立了分降水等级的月降水等级和日降水等级预测模型,并检验两种模型对实际降水的预测效果和模型的稳定程度,最终选取合适的预测模型估计自然降水量并结合实际增雨作业和实际降水量检验作业效果。结果表明:两种算法的月、日降水等级模型模拟结果均较好,样本占总样本的75%以内时模型准确率达80%,但对偏极端的月降水量预测结果较差。RF算法建立的模型更为稳定,在非线性作用和缺失上均有较好的包容性,而BP神经网络建立的日降水模型中预测期的误差大于训练期,模型的稳定性相对较差。对2019—2020年甘德县10次火箭增雨作业的效果进行检验,2020年9月18日作业两种算法均预测该日降水为1级,但实际降水等级为2级,认为作业效果有效。

来源：2024年第6期

《气象科学》期刊编辑部

查看气象科学杂志2024年第6期