基于决策树算法的江苏省不同区域短时强降水预报研究
采用2000-2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型.结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力.决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%.
决策树、短时强降水、机器学习、C4.5算法
42
P409(一般理论与方法)
江苏省科协青年科技人才托举工程项目;连云港市重点研发计划;江苏省气象局青年基金项目;连云港市521工程科研项目;江苏省气象局科研项目
2022-12-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
631-637