典型文献
基于决策树算法的江苏省不同区域短时强降水预报研究
文献摘要：
采用2000-2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型.结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力.决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70％,在江淮之间地区为87.89％,在长江以南地区为87.88％,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73％,在江淮之间地区为83.39％,在长江以南地区为93.92％.
文献关键词：
决策树;短时强降水;机器学习;C4.5算法
中图分类号：
作者姓名：
史达伟;沈阳;马晨晨;董京铭;颜佳任
作者机构：
连云港市气象局,江苏连云港222006;江苏省气象台,南京210041
文献出处：
引用格式：
[1]史达伟;沈阳;马晨晨;董京铭;颜佳任-.基于决策树算法的江苏省不同区域短时强降水预报研究)[J].气象科学,2022(05):631-637
A类：
B类：
决策树算法,短时强降水,降水预报,地级市,气象站,地面观测,观测站,观测资料,ERA5,再分析资料,基于机器学习,C4,气象要素,预报模型,决策树模型,泛化能力,自学习,淮北地区,江淮
AB值：
0.270946
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。
