气象科学

作者：耿焕同，戴中斌，沈阳

单位：南京信息工程大学 计算机与软件学院, 南京 210044;江苏省气象台 南京大气科学联合研究中心, 南京 210019,,南京信息工程大学 计算机与软件学院, 南京 210044,,江苏省气象台 南京大气科学联合研究中心, 南京 210019,

关键词：短时强降水;预报模型;特征选择;遗传算法;CART决策树

基金：北极阁开放研究基金—南京大气科学联合研究中心(NJCAR2018MS05);国家自然科学基金资助项目(51977100)

利用江苏省13个气象观测站历史上短时强降水观测资料,用遗传算法进行特征选择,选定影响短时强降水的950 hPa假相当位温、700 hPa比湿、500 hPa比湿、对流有效势能(Convective Available Potential Energy,CAPE)等14个特征为主要因素,将是否为短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析,构建便于使用的短时强降水预报规则集。实验部分,随机选择5 816条样本进行训练模型,得到适合江苏地区的短时强降水规则集,利用剩余的1 454条数据进行实际检验,模型的短时强降水预报准确率为91.35%,非强降水预报准确率为97.11%,较特征选择之前分别提升了8.66%和1.05%。

来源：2023年第1期

《气象科学》期刊编辑部

查看气象科学杂志2023年第1期