基于KNN回归算法的浙江省温度预报改进研究

摘要：

基于20162018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报.在KNN回归算法中,将模式起报时刻的温度视作"背景",由模式预报减去起报时刻温度消除"背景"影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例.根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报.检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2％和5.2％;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8％和4.3％,较OCF的分别提高3.0％和1.3％.KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定.

关键词：精细化预报;K-近邻回归;温度日变化;相似个例

所属期刊栏目：45

分类号：P456(天气预报)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;中国气象局预报员专项;中国气象局预报员专项;广东省自然科学基金;广东省自然科学基金

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：81-89