咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >梅雨降水季节预测的多方法比较 收藏

梅雨降水季节预测的多方法比较

A comparative study of multiple methods for seasonal prediction of Meiyu rainfall

作     者:李琳菲 杨颖 朱志伟 王蔚 LI Linfei;YANG Ying;ZHU Zhiwei;WANG Wei

作者机构:南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心江苏南京210044 中国气象科学研究院灾害天气国家重点实验室北京100086 上海市闵行区气象局上海201199 

出 版 物:《大气科学学报》 (Transactions of Atmospheric Sciences)

年 卷 期:2024年第47卷第2期

页      面:313-329页

核心收录:

学科分类:07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基  金:国家自然科学基金资助项目(42088101) 

主  题:梅雨 季节预测 物理经验预测模型 机器学习 

摘      要:基于1961—2000年逐月降水观测资料和全球大气再分析资料,分析了6—7月长江中下游(108°~123°E,27°~33°N)梅雨的时空分布特征。通过观测诊断和数值试验确定了影响梅雨异常偏多的3个前期因子:4—5月平均的西北太平洋海平面气压正异常;3月至5月北大西洋海平面气压负变压倾向;1月至4月西伯利亚的2 m温度负倾向。利用这3个具有物理意义的影响因子构建了梅雨季节预测模型,该模型在训练期(1961—2000年)和独立预测期(2001—2022年)均具有显著的预测技巧(相关系数分别为0.79和0.77,均方根误差分别为0.59和0.68)。同时,基于相似的潜在预测因子,对比了利用偏最小二乘回归方法和5种机器学习方法(随机森林、轻量级梯度提升机、自适应提升、类别型特征提升、极端梯度提升)建立的预测模型的技巧。虽然训练期(1961—2000年)偏最小二乘回归和机器学习建模拟合效果更高,但在独立预测期(2001—2022年)上述模型的预测技巧显著降低(相关系数均低于0.44,均方根误差均大于0.93),出现了明显的过拟合问题。本研究强调梅雨的短期气候预测应建立在物理机制基础之上,而使用机器学习方法需谨慎。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分