基于探空数据集成学习的短时强降水预报试验

摘要：

使用2015-2019年6-9月08:00(北京时)我国119个探空站的大气层结和对流参数作为特征参数,基于XGBoost集成学习方法,建立短时强降水事件预报模型.同时,提出一种面向高影响天气的模型优化思路,通过使用分段权重损失函数,进行模型调优,在空报率不超过一定阈值的情况下,可提升模型预报的命中率和TS评分.设计分段权重损失函数权重敏感性试验和损失函数对比试验,选取7个区域中心探空站对比分析模型优化方法的有效性和泛化性.利用2019年6-9月全国探空数据针对短时强降水预报开展批量独立检验和个例分析,结果表明:改进后的预报模型TS评分提高0.05?0.1,命中率提高0.15以上,空报率提高0.05?0.1,表现出明显的"宁空勿漏"预报倾向,模型预报能力得到明显提升;在全国短时强降水预报试验中,预报模型命中率为0.65,空报率为0.37,漏报率为0.34,TS评分为0.47,说明该模型对短时强降水天气具有一定预报能力.

关键词：短时强降水、探空数据、集成决策树、损失函数优化

所属期刊栏目：32

资助基金：国家重点研发计划2018YFC1507506

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：188-199