首页|期刊导航|气象|基于XGBoost分类和数值模式“配料”的浙江强对流预报方法

基于XGBoost分类和数值模式“配料”的浙江强对流预报方法OA北大核心CSTPCD

中文摘要

如何提高强对流天气的客观分类和时空预报的准确性一直是天气预报中的难点。文章将机器学习分类算法融合中尺度模式,实现了雷暴大风和短时强降水的逐小时预报。具体算法为:首先利用XGBoost分类算法和10年以上历史数据建立强对流分类潜势预报模型;其次通过统计CMA-SH9模式要素的最佳空间邻域半径和概率密度分布特征,基于组合最优评分提取要素阈值,建立要素空间邻域“配料”模型;最后通过联合判别将机器学习分类方法和要素空间邻域“配料法”融合,建立雷暴大风和短…查看全部>>

李文娟;郦敏杰;马昊;黄旋旋;张智察

浙江省气象台,杭州310051杭州市气象局,杭州310057浙江省气象台,杭州310051浙江省气象台,杭州310051浙江省气象台,杭州310051

大气科学

分类强对流XGBoost算法中尺度模式空间邻域概率密度分布

《气象》 2024 (11)

P.1343-1358,16

浙江省自然科学联合基金项目(LZJMD23D050001、LZJMZ23D050006)浙江省科技厅科技项目(2022C03150)中国气象局重点创新团队(CMA2022ZD07)共同资助。

10.7519/j.issn.1000-0526.2024.081902

评论

您当前未登录!去登录点击加载更多...