基于机器学习的韶关地区短期日平均气温研究
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

四川省教育厅气象灾害预报预警与应急管理研究中心科研项目(ZHYJ19-YB03)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    利用1965—2017年韶关地区8个站点的日平均气温观测资料,发现将过去连续7 d的日平均气温分别作为逐步多元线性回归、LightGBM(light gradient boosting machine)以及BP-NN(back propagation neural network)算法(机器学习)的自变量可最准确地预报出未来1~3 d的日平均气温。据此分别构建了三种短期气温预报模型,并系统地探讨了其适用性。主要结果如下:(1)三种模型的预报准确度均较高,机器学习方法在预报正确率(绝对误差(absolute error)小于2 ℃的天数占比)、相关系数(R)和平均绝对误差(mean absolute error, MAE)上均要优于逐步多元线性回归法。其中LightGBM的预报效果最优,其1~3 d的预报正确率分别为8438%、6986%、6137%,对应预报值与测量值之间的R分别为098、094、093,MAE分别为117、176、200 ℃。(2)冬春季、秋冬季日平均气温较大的波动性是导致该时期三种模型MAE总体偏大的主要因素,但LightGBM仍具有最优的预报稳定性,其绝对误差的方差最低。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

罗威,罗烨泓,王威.基于机器学习的韶关地区短期日平均气温研究[J].陕西气象,2022(6):21-25.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-11-21