典型文献
机器学习算法在气候模式降水预测中的订正研究
文献摘要：
为了提高月降水气候趋势预测能力,利用国家气候中心海气耦合气候模式(BCC_CSM1.1)环流预测和NCEP/NCAR再分析资料,建立基于多层感知器、支持向量回归和随机森林三种机器学习算法的广西月降水量气候预测模型,对比分析了2018年-2020年6月-8月降水预测试验效果.试验结果表明基于三种机器学习算法模型的预测准确率较BCC_CSM1.1气候模式直接降水预测和逐步回归方法均有明显提升,其中多层感知器模型预测准确率最高.论文将机器学习方法运用于动力-统计相结合的月降水气候预测方法中,成为统计订正中的一环,实现了机器学习算法与气候动力深度融合,有效地提升了预测准确率.
文献关键词：
月降水预测;支持向量回归;多层感知器;随机森林
中图分类号：
作者姓名：
邓居昌;覃卫坚;韦文山
作者机构：
广西民族大学电子信息学院 南宁 530006;广西壮族自治区气候中心 南宁 530022
文献出处：
引用格式：
[1]邓居昌;覃卫坚;韦文山-.机器学习算法在气候模式降水预测中的订正研究)[J].计算机与数字工程,2022(11):2428-2434
A类：
B类：
机器学习算法,气候模式,订正,水气,气候趋势,趋势预测,预测能力,心海,海气耦合,BCC,CSM1,环流,NCEP,NCAR,再分析资料,多层感知器,支持向量回归,降水量,气候预测,月降水预测,试验效果,算法模型,预测准确率,逐步回归,机器学习方法,方法运用,正中
AB值：
0.313339
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。
