[1]覃卫坚,何莉阳,蔡悦幸.基于两种机器学习方法的广西后汛期降水预测模型[J].气象研究与应用,2022,43(01):8-13.[doi:10.19849/j.cnki.CN45-1356/P.2022.1.02]
　Qin Weijian,He Liyang,Cai Yuexing.Prediction model of post-flood season precipitation in Guangxi based on two machine learning methods[J].Journal of Meteorological Research and Application,2022,43(01):8-13.[doi:10.19849/j.cnki.CN45-1356/P.2022.1.02]
点击复制

基于两种机器学习方法的广西后汛期降水预测模型()
分享到：

气象研究与应用[ISSN:1673-8411/CN:45-1356/P]

卷:
第43卷
期数:
2022年01期
页码:
8-13
栏目:
研究论文
出版日期:
2022-03-25

文章信息/Info

Title:
Prediction model of post-flood season precipitation in Guangxi based on two machine learning methods
作者:
覃卫坚;  何莉阳;  蔡悦幸
广西壮族自治区气候中心, 南宁 530022
Author(s):
Qin Weijian;  He Liyang;  Cai Yuexing
Guangxi Climate Center, Nanning 530022, China
关键词:
粒子群-神经网络; 随机森林算法; 经验正交函数; 气候预测; 汛期降水
Keywords:
particle swarm-neural network; random forest algorithm; empirical orthogonal function; climate prediction; precipitation in flood season
分类号:
P457.6
DOI:
10.19849/j.cnki.CN45-1356/P.2022.1.02
摘要:
使用1991-2021年7-9月广西90个地面气象观测站降水量、NCEP/NCAR月再分析资料和国家气候中心BCC_CSM1.1气候模式回报资料,研究建立基于粒子群-神经网络、随机森林算法的广西后汛期降水气候预测模型,并对2016年-2021年预测进行应用试验。结果表明,基于粒子群-神经网络、随机森林算法的后汛期降水预测Ps得分比逐步回归方法分别提高了2.78分、2.5分,比气候模式分别提高了29.22分、28.94分,预测能力有明显的提升。关键词:粒子群-神经网络;随机森林算法;经验正交函数;气候预测;汛期降水
Abstract:
Using the precipitation of 90 surface meteorological observation stations in Guangxi from July to September 1991 to 2021,NCEP/NCAR monthly reanalysis data and the National Climate Center BCC_CSM1.1 climate model return data,this paper established the precipitation climate prediction model of Guangxi in post-flood season based on particle swarm optimization neural network and random forest algorithm.An application test on the 2016-2021 forecasts were conducted.The results show that the PS score of precipitation prediction in post-flood season based on particle swarm optimization neural network and random forest algorithm is 2.78 and 2.5 points higher than that of stepwise regression method,29.22 and 28.94 points higher than that of climate model,and the prediction ability is significantly improved.

参考文献/References:

[1] 魏凤英.我国短期气候预测的物理基础及其预测思路[J].应用气象学报,2011,22(1):1-11.
[2] 宋连春,肖风劲,李威.我国现代气候业务现状及未来发展趋势[J].应用气象学报,2013,24(5):513-520.
[3] 贾小龙,陈丽娟,高辉,等.我国短期气候预测技术进展[J].应用气象学报,2013,24(6):641-655.
[4] 王会军,任宏利,陈活泼,等.中国气候预测研究与业务发展的回顾[J].气象学报,2020,78(3):317-331.
[5] 吴捷,任宏利,张帅,等.BCC二代气候系统模式的季节预测评估和可预报性分析[J].大气科学,2017,41(6):1300-1315.
[6] 刘芸芸,王永光,龚振淞,等.2020年汛期气候预测效果评述及先兆信号分析[J].气象,2021,47(4):488-498.
[7] 张丹琦,孙凤华,张耀存.基于BCC第二代短期气候预测模式系统的中国夏季降水季节预测评估[J].高原气象,2019,38(6):1229-1240.
[8] 程智,高辉,朱月佳,等.BCC第二代气候系统模式对东亚夏季气候预测能力的评估[J].气象,2020,46(11):1508-1519.
[9] 孙建奇,马洁华,陈活泼,等.降尺度方法在东亚气候预测中的应用[J].大气科学,2018,42(4):806-822.
[10] 陈丽娟,顾伟宗,伯忠凯,等.黄淮地区夏季降水的统计降尺度预测[J].应用气象学报,2017,28(2):129-141.
[11] 顾伟宗,陈丽娟,李维京,等.降尺度方法在中国不同区域夏季降水预测中的应用[J].气象学报,2017, 70(2):202-212.
[12] 封国林,赵俊虎,杨杰,等.中国汛期降水动力-统计预测研究[M].北京:科学出版社,2015:1-330.
[13] 郭渠,刘向文,吴统文,等.基于BCC_CSM模式的中国东部夏季降水预测检验及订正[J].大气科学,2017,41(1):71-90.
[14] 陆虹,翟盘茂,覃卫坚,等.低温雨雪过程的粒子群-神经网络预报模型[J].应用气象学报,2015,26(5):513-524.
[15] 覃卫坚,陆虹,黄志,等.粒子群-神经网络法在广西寒露风日数预报中的应用[J].气象与环境学报,2015,31(6):158-162.
[16] 覃卫坚,李耀先,陈思蓉,等.粒子群-神经网络在华南夏季降水短期气候预测中应用研究[J].气象研究与应用,2015,36(2):1-7.
[17] 孔庆燕,史旭明,金龙.基于粒子群-支持向量机定量降水集合预报方法[J].数学的实践与认识,2017,47(5):219-225.
[18] 吴建生,刘丽萍,金龙.粒子群-神经网络集成学习算法气象预报建模研究[J].热带气象学报,2008,24(6):679-686.
[19] 田心如,蔡凝昊,张志薇.基于气象因子及机器学习回归算法的夏季空调负荷预测[J].气象科学,2019,39(4):548-555.
[20] Kim H L, Kim B H. Flood hazard rating prediction for urban areas using random forest and LSTM[J]. Journal of Civil Engineering,2020,24(12):3884-3896.
[21] Kennedy J, Eberhart R. Particle Swarm Optimization[C]//International Conference on Neural Networks, IEEE,1995:1942-1948.
[22] Zhao H S,Jin L,Huang Y. An Objective Prediction Model for Typhoon Rainstorm Using Particle Swarm Optimization-Neural Network Ensemble[J]. Natural Hazards,2014,73(2):427-437.
[23] 吴建生.基于粒子群算法的神经网络短期降水预报建模研究[J].智能系统学报,2006(2):67-73.
[24] Breiman L. Random Forests[J].Machine Learning,2001,45(1):5-32.
[25] 唐宇迪,李琳,候惠芳,等.人工智能数学基础[M].北京:北京大学出版社,2020:1-7.
[26] 魏一钊,陈军锋.基于随机森林算法的冻融期土壤蒸发预报模型研究[J].水电能源科学,2021,39(4):20-23

相似文献/References:

[1]覃卫坚,李耀先,陈思蓉,等.粒子群－神经网络在华南夏季降水短期气候预测中应用研究[J].气象研究与应用,2015,36(02):1.
　Qin Wei-jian,Li Yao-xian,Chen Si-rong,et al.Application on the prediction of the summer precipitation in South China basing on PSO-Artificial Neutral Network[J].Journal of Meteorological Research and Application,2015,36(01):1.
[2]覃卫坚,廖雪萍,陈思蓉.延伸期暴雨过程的神经网络预报技术应用初探[J].气象研究与应用,2018,39(04):1.
　Qin Weijian,Liao Xueping,Chen Sirong.Preliminary Study on Neural Network Forecasting Technology Application for Extended Rainstorm Process[J].Journal of Meteorological Research and Application,2018,39(01):1.
[3]覃卫坚,何莉阳,蔡悦幸.广西暴雨集中度智能气候预测方法研究[J].气象研究与应用,2024,45(03):12.[doi:10.19849/j.cnki.CN45-1356/P.2024.3.02]
　QIN Weijian,HE Liyang,CAI Yuexing.Research on intelligent climate prediction methods of rainstorm concentration in Guangxi[J].Journal of Meteorological Research and Application,2024,45(01):12.[doi:10.19849/j.cnki.CN45-1356/P.2024.3.02]

备注/Memo

备注/Memo:
收稿日期:2021-11-10。
基金项目:广西自然科学基金(2019GXNSFAA245048)、广西科技计划项目(桂科AB21075005)
作者简介:覃卫坚(1971-),男,广西上林人,正研级高工,博士,主要从事短期气候预测方法研究。E-mail:qinweijian2008@126.com
更新日期/Last Update: 1900-01-01