-
题名梅雨降水季节预测的多方法比较
被引量：4
- 1
-
-
作者
李琳菲
杨颖
朱志伟
王蔚
-
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
中国气象科学研究院灾害天气国家重点实验室
上海市闵行区气象局
-
出处
《大气科学学报》
CSCD
北大核心
2024年第2期313-329,共17页
-
基金
国家自然科学基金资助项目(42088101)。
-
文摘
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。
-
关键词
梅雨
季节预测
物理经验预测模型
机器学习
-
Keywords
Meiyu
seasonal prediction
physics-based empirical model
machine learning
-
分类号
P412.13
[天文地球—大气科学及气象学]
P457.6
[天文地球—大气科学及气象学]
-
