基于FLBO-CatBoost算法的上海长江口区强风潜势预报技术研究
陈诗祺1
张吉2
岳彩军2
沙莎2
黄筱灿2
1.上海海洋中心气象台,上海 201306;华东区域相控阵天气雷达应用联合实验室,上海 2000302.上海海洋中心气象台,上海 201306
摘要：选取2015-2021年逐小时0.25 °×0.25 ° ERA5再分析资料和上海长江口区5个沿江地面自动气象站观测资料,运用FLBO-CatBoost集成学习算法,将6种强对流指数作为输入因子,实现对强对流影响下的长江口区强风的潜势分类及概率预报,并利用SHAP方法进行输入因子分析.结果表明:通过加入Multi-Class Focal Loss与贝叶斯优化模块,提高了FLBO-CatBoost综合性能,模型筛选的输入因子物理意义较明确,判断7级强风时POD、CSI、FAR均达到0.70,0.67、0.12,判断8级以上强风时分别达到0.97、0.91、0.07,优于其他五种集成学习模型.运用SHAP方法进行重要性排序可知,在水汽、能量、动力等条件方面,模型能起到优秀的影响要素诊断与筛选功能.同时,将对流云团影响下,长江口区7级以上强风概率预报的最优阈值选定为0.5,之后进一步结合个例验证模型对长江口区的强风的可预报性.整体而言,建立的强风预报模型具有一定的业务应用前景.
关键词：强对流天气机器学习CatBoost强风潜势预报
分类号：P456.7(天气预报)
资助基金：国家自然科学基金(41875059)国家自然科学基金(41875071)中国气象局青年创新团队(CMA2024QN02)上海台风研究基金(TFFJJ202319)中国气象局气象能力提升联合研究专项(22NLTSQ005)
论文发表日期：2024-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 659-668 )
英文信息