基于KNN回归算法的浙江省温度预报改进研究

作     者：李超 李明华 周凯 郝世峰 陈训来 赵春阳 Li Chao;Li Minghua;Zhou Kai;Hao Shifeng;Chen Xunlai;Zhao Chunyang

作者机构：深圳市气象局广东深圳518040 深圳市南方强天气研究重点实验室广东深圳518040 深圳市国家气候观象台广东深圳518040 浙江省气象台杭州310056 

出 版 物：《气象与环境科学》 (Meteorological and Environmental Sciences)

年 卷 期：2022年第45卷第1期

页      面：81-89页

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

基　　金：国家重点研发计划政府间/港澳台重点专项项目(2019YFE0110100) 国家自然科学基金(41975124、41405047) 中国气象局预报员专项项目(CMAYBY2019045、CMAYBY2019081) 广东省自然科学基金(2019A1515010814、2019B020208016) 

主　　题：精细化预报 K-近邻回归 温度日变化 相似个例 

摘      要：基于2016-2018年ECMWF模式温度预报和浙江省72个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省172 h精细化温度预报。在KNN回归算法中,将模式起报时刻的温度视作“背景,由模式预报减去起报时刻温度消除“背景影响,得到温度日变化曲线,通过温度日变化曲线构建差异指标,选取历史相似个例。根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报。检验结果表明,KNN方案的温度预报平均绝对误差较ECMWF和30 d滑动平均误差订正方案(OCF)的分别减小26.2%和5.2%;日最高和最低温度预报误差绝对值小于2℃,准确率较ECMWF的分别提高14.8%和4.3%,较OCF的分别提高3.0%和1.3%。KNN方案对地形复杂地区的温度预报改进效果更为明显,对冷空气活动和夏季高温等天气过程预报改善效果也较稳定。