两种机器学习模型在甘肃小时气温预报中的应用

作     者：杨秀梅 黄武斌 李天江 王基鑫 王一丞 

作者机构：兰州中心气象台 武威市气象局 

出 版 物：《大气科学学报》 (Transactions of Atmospheric Sciences)

年 卷 期：2024年

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：甘肃省青年科技基金计划(22JR5RA751) 甘肃省青年科技基金计划(2021-0406-JCC-0030) 甘肃省科技计划项目(21JR7RA702) 甘肃省气象局创新团队项目(GSQXCXTD-2020-01) 

主　　题：机器学习 小时气温 LightGBM XGBoost 预报性能 

摘      要：数值模式直接输出的预报结果常与观测存在偏差，对数值产品进行有效的本地化订正是提高预报准确率的重要手段。本文基于LightGBM和XGBoost两种机器学习算法，利用2020～2021年CMA-MESO模式产品和甘肃省340个国家考核站的实况数据，构建两种逐小时2 m气温的时间滞后订正模型。评估结果表明：（1）LightGBM订正模型略优于XGBoost订正模型，两种订正模型预报的逐小时2 m气温准确率达74.57%、74.33%，比SCMOC分别提高27.6%、27.2%，较CMA-MESO模式分别提高53.5%、53.0%。（2）两种订正模型降低了模式对2 m气温日变化的预报偏差，对模式存在的日变化预报偏弱现象有显著改善。（3）LightGBM和XGBoost两种订正模型减小了预报系统偏差，较大预报误差出现次数明显减少。