基于机器学习的多源实况分析产品和观测数据融合应用试验
李树文1
赵桂香2
王一颉2
陈霄健3
闫慧2
1.太原市气象局,山西太原 0300022.山西省气象台,山西太原 0300063.山西省气象信息中心,山西太原 030006
摘要：利用中国气象局公共气象服务中心地面实况专业服务产品(CARAS_SUR1 km,简记为"CAR")、国家气象信息中心多源融合实况分析产品(ART_1 km,简记为"ART")、全国雷达反演降水产品(简记为"RAD")、风云四号卫星反演降水产品(简记为"SAT")以及全国气象观测站逐小时资料,应用机器学习方法建立了基于选定位置气温、降水、风向、风速要素的实况融合应用模型(简记为"GBDT模型").15 d逐时GBDT融合产品的全国分区域检验结果表明:GBDT气温融合产品在东北、华北、西北、华中、新疆、西藏6个区域较CAR和ART均有改进,在西藏的改进最明显,在华东和西南GBDT融合产品优于ART而逊于CAR,在华南和内蒙古GBDT融合产品误差较ART、CAR略有增加;GBDT降水融合产品在样本偏少的内蒙古较ART、CAR误差略有增加,其他区域有改进或基本相当;GBDT风速、风向融合产品较ART、CAR均有较大改进.试验结果表明,机器学习方法可应用于融合多源实况分析产品和观测数据,以开展选定位置气温、降水、风向、风速要素的实况气象信息服务.
关键词：机器学习多源数据动态模型误差分析
分类号：P457(天气预报)
资助基金：山西省基础研究计划自然科学研究面上项目(202203021211081)山西省气象局面上项目(SXKMSTQ20226305)
论文发表日期：2024-03-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：10( 108-117 )
英文信息