机器学习算法在气候模式降水预测中的订正研究

摘要：

为了提高月降水气候趋势预测能力,利用国家气候中心海气耦合气候模式(BCC_CSM1.1)环流预测和NCEP/NCAR再分析资料,建立基于多层感知器、支持向量回归和随机森林三种机器学习算法的广西月降水量气候预测模型,对比分析了2018年-2020年6月-8月降水预测试验效果.试验结果表明基于三种机器学习算法模型的预测准确率较BCC_CSM1.1气候模式直接降水预测和逐步回归方法均有明显提升,其中多层感知器模型预测准确率最高.论文将机器学习方法运用于动力-统计相结合的月降水气候预测方法中,成为统计订正中的一环,实现了机器学习算法与气候动力深度融合,有效地提升了预测准确率.

关键词：月降水预测、支持向量回归、多层感知器、随机森林

所属期刊栏目：50

分类号：TP301.6(计算技术、计算机技术)

资助基金：广西科技计划项目;国家自然科学基金

在线出版日期：2023-02-22（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：2428-2434