基于机器学习方法的辽宁省初霜冻日期预测模型研究OA
基于前期ERA5逐月再分析数据,应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集,通过交叉验证和超参数调优建立初霜冻日期预测模型,利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明:特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性;Lasso回归模型在4月起报的预测效果最好(RMSE为6—…查看全部>>
王涛;王乙舒;赵春雨;王小桃;秦美欧;沈玉敏;侯依玲;赵建云
沈阳区域气候中心,辽宁沈阳110166 中国气象局沈阳大气环境研究所,辽宁沈阳110166沈阳区域气候中心,辽宁沈阳110166沈阳区域气候中心,辽宁沈阳110166沈阳区域气候中心,辽宁沈阳110166沈阳区域气候中心,辽宁沈阳110166沈阳区域气候中心,辽宁沈阳110166沈阳区域气候中心,辽宁沈阳110166沈阳区域气候中心,辽宁沈阳110166
天文与地球科学
ERA5机器学习Lasso回归随机森林神经网络
《气象与环境学报》 2022 (4)
P.47-56,10
评论