典型文献
机器学习在ENSO预测会商中的应用
文献摘要：
基于多模式集合预报的思想,利用可解释机器学习方法——决策树算法建立了多模式ENSO预测结果智能会商系统.分别使用基于Boosting的GBDT、XGBoost、lightGBM和基于Bagging的RF4种决策树模型方法,结合随机搜索交叉验证、网格搜索交叉验证两种超参数调整方法对决策树模型的超参数进行优化调整,根据不同超前预报时效分别建立多模式ENSO预测结果智能会商系统,对多模式预测结果进行集合订正,并给出各模式预测结果在智能会商系统中的特征重要性.该智能会商系统模拟了ENSO预测会商过程,实现了读取各模式预测结果、训练模型、给出预测结论及预测依据、预测结果可视化等流程的自动化,同时实现了智能调参的功能.
文献关键词：
ENSO;可解释机器学习;多模式;智能会商
中图分类号：
作者姓名：
李晨彤
作者机构：
国家海洋环境预报中心,北京100081
文献出处：
引用格式：
[1]李晨彤-.机器学习在ENSO预测会商中的应用)[J].海洋预报,2022(01):91-103
A类：
智能会商,RF4
B类：
ENSO,多模式集合,集合预报,可解释机器学习,机器学习方法,决策树算法,Boosting,GBDT,XGBoost,lightGBM,Bagging,决策树模型,模型方法,随机搜索,交叉验证,网格搜索,超参数,参数调整,调整方法,对决,优化调整,超前预报,报时,合订,订正,特征重要性,系统模拟,读取,训练模型,智能调参
AB值：
0.376598
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。
