典型文献
基于XGBoost与特征重要性筛选的闪电预报模型构建研究
文献摘要：
使用2019年5～7月青海地区的ERA5再分析资料与同期闪电定位资料,结合机器学习方法构建闪电发生的预报模型.首先选取ERA5中与闪电发生具有较好相关性的特征,及对应闪电定位数据,基于XGBoost算法训练初始模型,得到特征重要性排序;其次引入特征重要性筛选方法,用以去除无效的噪声特征,利用筛选后的数据重新训练得到最终模型;最后使用同年8月中下旬的数据对预报模型的性能进行测试.结果表明,相比传统的支持向量机(SVM)闪电预报模型,基于XG-Boost构建的初始模型在各预报评价指标上的提升明显.而经过特征重要性筛选后的最终模型,在测试数据上的预报命中率为0.779,虚警率为0.838,临界成功指数为0.154,相较与初始模型,平均预报性能进一步提升了 9％.
文献关键词：
闪电预报;机器学习;特征重要性筛选;XGBoost;ERA5
中图分类号：
作者姓名：
陶世银;贺敬安
作者机构：
青海省气象灾害防御技术中心 西宁810001
文献出处：
引用格式：
[1]陶世银;贺敬安-.基于XGBoost与特征重要性筛选的闪电预报模型构建研究)[J].国外电子测量技术,2022(01):99-105
A类：
特征重要性筛选,闪电预报
B类：
XGBoost,预报模型,青海地区,ERA5,再分析资料,闪电定位资料,机器学习方法,定位数据,算法训练,初始模型,重要性排序,筛选方法,噪声特征,新训,练得,终模型,中下旬,测试数据,报命,命中率,虚警率,功指数,预报性能
AB值：
0.256282
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
