基于集成学习XGBoost模型的降水客观预报方法  

作　　者：王证帅 吕巧谊 张伟 郑辉 陈德花 

机构地区：[1]厦门市海峡气象开放重点实验室,福建厦门361012 [2]厦门市气象台,福建厦门361012

出　　处：《海峡科学》2022年第8期10-14,共5页Straits Science

基　　金：厦门市青年创新基金项目(3502Z20206078);厦门市气象局研究型业务项目(2022YJ17);福建省灾害天气重点实验室重大科技专项课题(2020TF02);国家自然科学基金项目(41805028)。

摘　　要：为进一步提升降水预报的准确率,该文提出一种基于集成学习XGBoost模型的降水客观预报方法。该方法选取ECMWF高分辨率数值预报模式资料、福建省内国家级自动站降水的实况数据,通过决策专家系统选取有效预报因子,使用集成学习XGBoost模型进行训练,从而对福建省内的降水进行客观预报。结果表明,该方法能够将数值模式和机器学习进行有效结合,提升降水预报的准确率,并在实际业务应用中取得了良好效果。

关 键 词：集成学习 专家系统 客观方法 

分 类 号：P456.7[天文地球—大气科学及气象学]