基于深度学习的舒适度指数模型研发及检验
高亭亭1
罗聪2
张志坚1
陈雨欣1
1.广州市突发事件预警信息发布中心,广东 广州 5144302.广东省气象台,广东 广州 510640
摘要：为提供更科学合理的舒适度服务产品,以海珠区生态基地舒适度站为例,利用深度神经网络和极致梯度提升树等人工智能算法构建了舒适度指数模型,检验结果显示:(1)通用的人体舒适度指数由于考虑太阳辐射特征,相较于生物舒适度仪指数存在显著偏差,且这种偏差具有一致性偏低的特点,尤其在白天时段最为明显.(2)基于风、温、湿等要素构建的深度神经网络和极致梯度提升树舒适度模型相较于人体舒适度指数模型虽有一定程度的改善,但在白天时段,其偏差仍然较大.(3)在深度神经网络舒适度模型中引入了雷达反射率和降水,以及时间因子来表征太阳辐射特征,这一改进显著提升了模型的预测精度,平均绝对误差降低至2.7,相比人体舒适度指数模型降低了 50％,且平均误差分布接近于零均值的准正态分布.
关键词：应用气象深度神经网络极致梯度提升树人体舒适度指数广州市海珠区
分类号：P49(应用气象学)
资助基金：广州市科技计划项目(2023B04J0704)广州市气象学会科学技术项目(M202214)
论文发表日期：2025-08-20
在线出版日期：2025-09-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 67-70 )