应用机器学习技术预测强雨雪天气过程中的积雪

应用机器学习技术预测强雨雪天气过程中的积雪

论文摘要

2017年12月~2018年2月冬季,在中国长江中下游流域发生了两次强度强、范围广的强雨雪冰冻天气。在第一次强降雪天气中,由于2018年1月3~4日和5~8日两阶段降雪在中国东部落区高度重叠,导致了较为严重的灾害。为了预测日积雪深度,利用2017年12月~2018年2月和2007年12月~2008年2月这两个时间段上的国家测站日值数据,利用CART决策树算法根据各气象要素生成一个预测当天是否有积雪的二元判别决策树模型。从决策树结构中可以看出,前一日的积雪深度、日最高气温、日平均气温、日最低相对湿度等要素对预测结果的影响重大。且两决策树的结构相似度极高,故该模型对是否有积雪的预测存在普适性。随后利用深度学习方法训练两个时间段上所有预测为有积雪的个例,建立预测积雪深度的回归模型,结果表明,利用该模型训练得到的误差较小,但不足之处在于,预测极端降雪个例的误差大于普通降雪个例。将决策树模型与深度学习模型串接,便能得到预测当天是否有积雪,及积雪深度的模型。相比于前人的研究,该模型能拟合更复杂的特征,得到更精确的预测,使用2018年的数据也能更好地模拟当前的气候背景。

论文目录

  • 1 资料与方法
  •   1.1 CART决策树
  •   1.2 深度学习
  •   1.3 二分类模型的检验
  •     1.3.1 混淆矩阵
  •     1.3.2 查准率
  •     1.3.3 查全率
  •     1.3.4 衡量查准率与查全率的综合效应
  •   1.4 回归模型的检验:均方根误差
  • 2 天气过程
  •   2.1 2018年概况
  •   2.2 2008年与2018年冰冻雨雪天气的对比
  • 3 建立预测是否有积雪的分类决策树模型
  •   3.1 建模过程
  •   3.2 检验
  •   3.3 使用2007年12月~2008年2月数据训练决策树
  • 4 对比分析两次强降雪天气过程中决策树的判断规则
  • 5 用深度学习方法建立预测积雪深度的回归模型
  •   5.1 建模过程
  •   5.2 检验
  •   5.3 预报结果分析
  • 6 结论与讨论
  •   6.1 结论
  •   6.2 讨论与展望
  • 文章来源

    类型: 期刊论文

    作者: 张远汀,龚伟伟,叶钰,徐希源,徐勋建,蔡泽林,陆佳政,韩俊浩,叶飞,许婧

    关键词: 电网,强雨雪,决策树,深度学习

    来源: 科学技术与工程 2019年15期

    年度: 2019

    分类: 工程科技Ⅱ辑,基础科学

    专业: 气象学

    单位: 华云信息技术工程有限公司,电网输变电设备防灾减灾国家重点实验室,国网湖南省电力有限公司防灾减灾中心,全球能源互联网研究院有限公司

    基金: 国家电网公司科技项目(5216a01600W5)资助

    分类号: P458

    页码: 58-69

    总页数: 12

    文件大小: 763K

    下载量: 276

    相关论文文献

    • [1].基于MODIS数据的东北地区积雪覆盖率估算[J]. 冰川冻土 2019(05)
    • [2].和田河流域山区积雪覆盖时空变化规律研究[J]. 中国农村水利水电 2020(01)
    • [3].积雪融化减少导致干旱更难预测[J]. 水利水电快报 2020(05)
    • [4].室外积雪融化模型及解决方案[J]. 制冷技术 2020(02)
    • [5].新疆天山山区积雪时空变化分析[J]. 安徽农业科学 2020(14)
    • [6].中国积雪气候调节服务价值评估[J]. 气候变化研究进展 2020(05)
    • [7].高山复杂地形区域MODIS积雪产品的云移除算法[J]. 科技创新与应用 2020(29)
    • [8].第三极和北极的积雪变化与影响[J]. 自然杂志 2020(05)
    • [9].积雪时空变化规律及其影响因素研究进展[J]. 西北林学院学报 2019(06)
    • [10].一次降雪的积雪密实化过程研究[J]. 干旱区资源与环境 2017(01)
    • [11].东北低山丘陵区季节性积雪特性研究[J]. 水土保持学报 2017(01)
    • [12].高亚洲地区无云积雪遥感二值产品对比和精度验证分析[J]. 遥感技术与应用 2017(01)
    • [13].雅砻江地区无云积雪覆盖产品的制作[J]. 遥感技术与应用 2017(01)
    • [14].积雪遥感的科学问题[J]. 遥感技术与应用 2017(01)
    • [15].地形对天山积雪冻融变化的影响分析[J]. 冰川冻土 2016(05)
    • [16].2003-2012年四川省积雪时空动态变化与气候响应研究[J]. 冰川冻土 2016(06)
    • [17].积雪对玛曲局地微气象特征影响的观测研究[J]. 高原气象 2017(02)
    • [18].1960—2015年吉林省积雪初、终日期变化特征及其与气温和降水的关系[J]. 干旱气象 2017(04)
    • [19].基于MODIS的青藏高原逐日无云积雪产品算法[J]. 冰川冻土 2017(03)
    • [20].关于积雪地面血迹搜索犬训练的几点思考[J]. 中国工作犬业 2015(12)
    • [21].北京-张家口地区冬春季积雪特征分析[J]. 冰川冻土 2016(03)
    • [22].黑龙江流域积雪覆盖时空变化遥感监测[J]. 应用生态学报 2014(09)
    • [23].近33 a新疆阿勒泰地区积雪变化特征及其与气象因子的关系[J]. 沙漠与绿洲气象 2015(05)
    • [24].《积雪》[J]. 意林 2020(02)
    • [25].林间有积雪 外二首[J]. 散文诗世界 2020(07)
    • [26].积雪差异[J]. 中学地理教学参考 2020(11)
    • [27].《积雪》[J]. 意林(原创版) 2020(07)
    • [28].寒山积雪[J]. 中华书画家 2016(02)
    • [29].积雪分几层[J]. 中国青年 2013(07)
    • [30].2002-2011年新疆积雪时空分布特征研究[J]. 冰川冻土 2013(05)

    标签:;  ;  ;  ;  

    应用机器学习技术预测强雨雪天气过程中的积雪
    下载Doc文档

    猜你喜欢