基于XGBoost算法的吉林省强对流天气分类识别研究  

作　　者：杨鹤 马洪波[2] 孙韦男 刘宗尧 

机构地区：[1]吉林省气象信息网络中心,吉林长春130062 [2]吉林省气象台,吉林长春130062 [3]吉林省气象探测保障中心,吉林长春130062

出　　处：《气象灾害防御》2023年第2期28-33,共6页Meteorological Disaster Prevention

摘　　要：利用2016—2021年吉林省C波段雷达回波产品和ERA5再分析资料,基于人工智能集成算法XGBoost,构建了分类识别的3类强对流天气(冰雹、短时强降水和雷暴大风)模型。研究表明,3类强对流天气的平均命中率(POD)为81.73%,平均临界成功指数(CSI)为69.43%,平均空报率(FAR)为17.99%。POD最高为短时强降水的87.50%,CSI最高为雷暴大风的74.19%,FAR最低为雷暴大风的14.81%,其中短时强降水和雷暴大风的评分结果接近。特征值结果显示,风暴最大反射率因子顶高(MCRT)、风暴移动速度(SPEED)、风暴最大反射率下降高度(DCRH)、风暴最大反射率因子(MCR)和600 hPa温度场对于本文构建的XGBoost模型判别强对流类别的重要性最高。总体来说基于XGBoost算法构建的模型对强对流天气分类较为理想,在未来的强对流天气自动化识别、预警及预报的工作中具有广阔的应用前景。

关 键 词：XGBoost算法 人工智能 强对流天气 分类识别 

分 类 号：P412.25[天文地球—大气科学及气象学] P429