基于机器学习的西北太平洋海雾预报模型研究
吴科娟1
张苏平1
李昕蓓1
衣立2
1.中国海洋大学海洋与大气学院,山东青岛 2661002.中国海洋大学海洋与大气学院,山东青岛 266100;中国海洋大学深海圈层与地球系统前沿科学中心,山东青岛 266100
摘要：西北太平洋是全球海雾频率最高的海域之一,也是海上航运的主要通道所在,目前尚无海雾预报产品,研究该区域海雾发生的特征及其预报具有重要意义.本研究基于2013-2023年国际海洋大气综合数据集(International Comprehensive Ocean-Atmosphere Data Set,ICOADS)和 ERA5 再分析数据,结合机器学习方法,构建西北太平洋海雾预报模型.通过计算互信息(mutual information,MI)值,筛选出与海雾发生密切相关的12个关键因子,包括海面温度(sea surface temperature,SST;以下简称"海温")、相对湿度、海温露点差(tSST-td)和经纬度信息等.为了解决有雾与无雾数据样本不平衡问题,采用重采样技术,并比较不同采样方法对模型性能的影响.结果表明,加入经纬度作为因子并对数据过采样处理后,模型性能显著提升,其中极致梯度提升树(eXtreme Gradient Boosting,XGBoost)TS评分(threat score)最高.模型的特征重要性分析表明,海温露点差和相对湿度是海雾模型中的核心因子.在对比机器学习模型中,XGBoost模型表现最佳,其次是卷积神经网络(convolutional neural network,CNN)和支持向量机(support vector machine,SVM),二者TS评分均超过0.3.在个例表现上,XGBoost模型表现更好,与雾区范围的吻合度最高.研究可为大洋上空的海雾监测和预报提供参考.
关键词：西北太平洋海雾预报机器学习重采样
分类号：P457.7(天气预报)P47(大气科学（气象学）)
资助基金：国家重点研发计划(2021YFC3101604)
论文发表日期：2025-06-30
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：12( 18-29 )
英文信息