论文部分内容阅读
传统的临近降雨预报方法主要是利用数值方法、外推技术和概念模型等来预报。这些临近降雨预测的方法考虑的因素众多、模型的构造过于复杂且预测步骤多、累计误差较大。近年来,机器学习方法在气象预报中得到广泛应用。本文利用雷达降雨产品,引入支持向量机(SVM)、梯度提升树(GBDT)、极限提升树(XGBoost)三种机器学习方法应用于雷达降雨产品的临近降雨预报,使用TS评分、命中率POD、空报率FAR和漏报率MAR四个定性检验指标来综合比较各机器学习方法在临近降雨预报中的预报效果,还将XGBoost方法和PPLK方法相结合进行短临定量降水预报,使用了相关检验指标进行了评估。下面是本文的主要研究结果和结论:(1)基于SVM方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的非线性支持向量机训练模型,达到了在考虑较少影响因子的基础上对雷达降雨产品进行临近降雨预报,在降雨分布比较集中的雷达降雨产品中降雨的命中率都较高,实验验证了该方法的可行性。(2)基于GBDT方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的梯度提升模型,实现了从数据驱动的角度对雷达降雨产品进行临近降雨预报,在各类雷达降雨产品中的临近预报都较好,实验验证了该方法具有一定的可行性。(3)基于XGBoost方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的XGBoost模型,实验表明其对不同雷达降雨产品的临近降雨预报能力都很强,TS评分和命中率都在较高的水平,实验验证了该方法的有效性及准确性。(4)将XGBoost方法临近降雨预报的结果和SVM方法、RF方法及GBDT方法临近降雨预报的结果进行了比较,实验结果表明XGBoost方法的预报性能明显优于其他三种预报方法,预报精度是最高的。(5)将XGBoost方法和PPLK方法相结合对雷达降雨产品进行短临定量降水预报,实验验证了XGBoost方法与PPLK方法相结合的预报性能会高于PPLK方法,也再次证实了XGBoost方法在降雨预报中的实用性及高效性。