基于SVD与机器学习的华南降水预报订正方法

作     者：谢舜 孙效功 张苏平 熊朝晖 魏晓敏 崔丛欣 Xie Shun;Sun Xiaogong;Zhang Suping;Xiong Zhaohui;Wei Xiaomin;Cui Congxin

作者机构：中国海洋大学海洋与大气学院青岛266100 中国气象科学研究院北京100081 武汉大学测绘学院武汉430079 陕西省气象局机关服务中心西安710014 

出 版 物：《应用气象学报》 (Journal of Applied Meteorological Science)

年 卷 期：2022年第33卷第3期

页      面：293-304页

核心收录：

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(2018YFC1506606) 中国气象科学研究院基本科研业务费重点项目(2019Z003) 

主　　题：奇异值分解 机器学习 加权集成 降水 预报订正 

摘      要：降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大。由于数值预报模式的局限性,使得模式预报产品存在一定误差。为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解(SVD)与机器学习(多元线性回归、套索回归、岭回归)构建订正模型,对2007—2019年4月1日—6月30日华南前汛期欧洲中期天气预报中心(EC)模式降水预报产品进行误差订正试验。结果表明:基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2%,累计超过69%的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7%,累计超过77%的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型。