基于XGBoost与特征重要性筛选的闪电预报模型构建研究

摘要：

使用2019年5～7月青海地区的ERA5再分析资料与同期闪电定位资料,结合机器学习方法构建闪电发生的预报模型.首先选取ERA5中与闪电发生具有较好相关性的特征,及对应闪电定位数据,基于XGBoost算法训练初始模型,得到特征重要性排序;其次引入特征重要性筛选方法,用以去除无效的噪声特征,利用筛选后的数据重新训练得到最终模型;最后使用同年8月中下旬的数据对预报模型的性能进行测试.结果表明,相比传统的支持向量机(SVM)闪电预报模型,基于XG-Boost构建的初始模型在各预报评价指标上的提升明显.而经过特征重要性筛选后的最终模型,在测试数据上的预报命中率为0.779,虚警率为0.838,临界成功指数为0.154,相较与初始模型,平均预报性能进一步提升了 9％.

关键词：闪电预报、机器学习、特征重要性筛选、XGBoost、ERA5

所属期刊栏目：41

分类号：X43;P49(自然灾害及其防治)

资助基金：青海省科技厅创新平台专项;青海省科技厅创新平台专项;青海省气象局科研项目;青海省气象局科研项目

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：99-105