基于数值天气预报与机器学习技术的道路气象状况预测
蒲秀姝1
刘新超1
宋怡轩1
郭荣2
郭洁1
1.四川省气象服务中心,四川 成都 610072;高原与盆地暴雨旱涝灾害四川省重点实验室,四川 成都 6100002.西北师范大学计算机科学与工程学院,甘肃 兰州 730000
摘要：道路气象状况与交通安全密切相关,路面湿滑、结冰易引发行车事故,因此需要实现准确且及时的道路气象状况预测.利用雅康高速路段内3个地面观测点的道路气象状况观测数据,以及对应区域的连续24h数值天气预报数据,构建决策树模型,建立数值天气预报结果与多种道路气象状况类别之间的对应关系,实现未来连续24h的道路气象状况预测.结果表明,针对3个地面观测点的5类道路气象状况,在交叉验证实验中,所提出模型的平均准确率为89.79%,在外推实验中,模型对未来第6h预测的平均准确率为64.73%,未来第12 h预测为77.30%,未来第18h预测为80.19%,未来第24h预测为70.41%.研究方法可以有效实现连续空间覆盖、长时间的道路气象状况预测,为交通运输安全、公众出行决策、气象预报服务等方面提供重要参考信息.
关键词：道路气象状况预测模型决策树机器学习气象服务
分类号：P456(天气预报)
资助基金：高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金(SCQXKJQN202218)中国气象局西南区域气象中心重大科研业务项目(XNQYCXTD-202203)
论文发表日期：2024-12-28
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：12( 993-1004 )
英文信息