基于探空數據集成學習的短時強降水預報試驗

作者：韓豐,楊璐,周楚炫,呂終亮

摘要：使用2015—2019年6—9月08:00(北京時)我國119個探空站的大氣層結和對流參數作為特征參數,基于XGBoost集成學習方法,建立短時強降水事件預報模型。同時,提出一種面向高影響天氣的模型優化思路,通過使用分段權重損失函數,進行模型調優,在空報率不超過一定閾值的情況下,可提升模型預報的命中率和TS評分。設計分段權重損失函數權重敏感性試驗和損失函數對比試驗,選取7個區域中心探空站對比分析模型優化方法的有效性和泛化性。利用2019年6—9月全國探空數據針對短時強降水預報開展批量獨立檢驗和個例分析,結果表明:改進后的預報模型TS評分提高0.05~0.1,命中率提高0.15以上,空報率提高0.05~0.1,表現出明顯的"寧空勿漏"預報傾向,模型預報能力得到明顯提升;在全國短時強降水預報試驗中,預報模型命中率為0.65,空報率為0.37,漏報率為0.34,TS評分為0.47,說明該模型對短時強降水天氣具有一定預報能力。

發文機構：國家氣象中心

關鍵詞：短時強降水探空數據集成決策樹損失函數優化short-term heavy rainsounding dataensemble decision treeoptimization of cost function

分類號：