典型文献
基于SVD与机器学习的华南降水预报订正方法
文献摘要：
降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大.由于数值预报模式的局限性,使得模式预报产品存在一定误差.为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解(SVD)与机器学习(多元线性回归、套索回归、岭回归)构建订正模型,对2007-2019年4月1日-6月30日华南前汛期欧洲中期天气预报中心(EC)模式降水预报产品进行误差订正试验.结果表明:基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2％,累计超过69％的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7％,累计超过77％的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型.
文献关键词：
奇异值分解;机器学习;加权集成;降水;预报订正
中图分类号：
作者姓名：
谢舜;孙效功;张苏平;熊朝晖;魏晓敏;崔丛欣
作者机构：
中国海洋大学海洋与大气学院,青岛266100;中国气象科学研究院,北京100081;武汉大学测绘学院,武汉430079;陕西省气象局机关服务中心,西安710014
文献出处：
引用格式：
[1]谢舜;孙效功;张苏平;熊朝晖;魏晓敏;崔丛欣-.基于SVD与机器学习的华南降水预报订正方法)[J].应用气象学报,2022(03):293-304
A类：
B类：
SVD,降水预报,预报订正,订正方法,天气系统,杂物,物理过程,数值预报模式,模式预报,预报产品,误差订正,奇异值分解,套索回归,岭回归,日华,华南前汛期,天气预报,EC,订正试验,预报误差,点得,共线性,加权集成,误差优化,集成方法,任一
AB值：
0.27615
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。
