基于遗传算法的特征选择方法在短时强降水预报中的应用

摘要：

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 hP a假相当位温、700 hP a比湿、500 hP a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5816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1454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％.

关键词：短时强降水、预报模型、特征选择、遗传算法、CART决策树

所属期刊栏目：43

分类号：P457.6(天气预报)

资助基金：北极阁开放研究基金;国家自然科学基金

在线出版日期：2023-05-29（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：126-134