基于LightGBM框架的上海市大气能见度预报订正研究

基于LightGBM框架的上海市大气能见度预报订正研究

论文摘要

雾霾等大气污染是近些年我们主要面临的环境污染问题之一,同时大气污染会导致大气能见度降低。大气能见度的预测对于城市空气污染的防治和交通安全具有十分重要的作用。目前,大气能见度预报存在精度不高的问题,为此,对于大气能见度预报进行订正,以获得更好的预报精度具有重要的实用价值。首先,本文分析了上海市区、上海郊区和上海崇明在月、周和日周期上的变化特征,并分析了大气能见度与各滞后期上的滞后项之间的线性相关性。同时,提取大气能见度的月、周、日和滞后项特征作为预报订正模型的备选特征。随后,分区域建立基于LightGBM(Light Gradient Boosting Machine)框架的WRF(Weather Research and Forecasting Model)模式大气能见度预报订正模型。其中,模型建立分三个步骤。第一步,根据原始WRF模式预报精度差异,每个研究区域分为三个时间段分别建立模型。第二步,对模型初始输入特征进行特征分析,主要包括特征合成和特征选择。通过特征合成获得WRF模式在各等压面高度上风速的水平和垂直分量预报值。通过利用方差选择法和基于GBDT算法的特征贡献度方法,获得模型的最优特征子集作为最终模型输入特征。第三步,分区域分时间段分别建立基于LightGBM框架的WRF模式大气能见度预报订正模型。利用网格搜索法获得各个模型的最优参数。利用十折交叉验证法验证模型的稳定性。最后,在各自验证集上验证模型的效果。结果表明:在验证集上,上海三个研究区域的预测MAE(平均绝对误差)均在2097m到3312m之间,相对于原始WRF模式预报MAE至少提升了2625m,提升比例为47.2%;预测RMSE(均方根误差)均在3164m到4418m之间,相对于原始WRF模式预报RMSE至少提升了3239m,提升比例为45.1%;预测~2(决定系数)均在0.76到0.87之间,相对于原始WRF模式预报~2至少提升了0.56。由此可得,利用基于LightGBM算法建立的上海市大气能见度预报订正模型有良好的预报精度,能显著提升原始WRF模式预报精度。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景和意义
  •   1.2 国内外研究现状
  •     1.2.1 大气能见度时间变化特征及影响因子研究进展
  •     1.2.2 大气能见度预报研究进展
  •     1.2.3 LightGBM框架研究进展
  •   1.3 研究内容和技术路线
  •     1.3.1 研究内容
  •     1.3.2 技术路线
  •   1.4 论文创新点
  •   1.5 论文结构
  • 第二章 LightGBM框架研究方法
  •   2.1 LightGBM框架概况
  •   2.2 GBDT原理
  •   2.3 GOSS原理
  •   2.4 EFB原理
  •   2.5 本章小结
  • 第三章 研究区域与数据
  •   3.1 研究区域
  •   3.2 数据来源
  •   3.3 数据预处理
  •     3.3.1 异常值处理
  •     3.3.2 缺失值处理
  •   3.4 本章小结
  • 第四章 上海市大气能见度时间特征分析
  •   4.1 大气能见度月际变化分析
  •   4.2 大气能见度周际变化分析
  •   4.3 大气能见度日际变化分析
  •   4.4 大气能见度其他时间特征分析
  •   4.5 本章小结
  • 第五章 基于LightGBM框架的大气能见度预报订正模型
  •   5.1 数据准备
  •   5.2 特征工程
  •     5.2.1 特征合成
  •     5.2.2 特征选择
  •   5.3 LightGBM模型实现
  •   5.4 LightGBM模型预测结果分析
  •   5.5 本章小结
  • 第六章 结论与展望
  •   6.1 结论
  •   6.2 不足与展望
  • 参考文献
  • 后记
  • 文章来源

    类型: 硕士论文

    作者: 王志宇

    导师: 过仲阳

    关键词: 大气能见度,算法,特征贡献度,交叉验证,特征工程

    来源: 华东师范大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 气象学,环境科学与资源利用

    单位: 华东师范大学

    分类号: X831;P457.7

    总页数: 82

    文件大小: 4558K

    下载量: 275

    相关论文文献

    • [1].千岛湖国家森林公园大气能见度变化特征及其影响因素[J]. 林业科学 2018(01)
    • [2].基于手机摄像的大气能见度估算系统介绍[J]. 电子世界 2018(08)
    • [3].大气能见度及影响因子特征分析[J]. 干旱区资源与环境 2017(04)
    • [4].2013—2015年乌鲁木齐北部城区大气能见度变化特征及其影响因素[J]. 干旱气象 2017(03)
    • [5].大气能见度的重要影响因子分析[J]. 山东化工 2015(09)
    • [6].重庆市主城区冬季大气能见度变化分析[J]. 科技经济导刊 2020(21)
    • [7].华北背景地区大气能见度变化特征及影响因素分析[J]. 气候与环境研究 2019(02)
    • [8].宁波市秋冬季大气能见度特征及影响因素分析[J]. 中国环境监测 2018(02)
    • [9].济南市大气能见度特征及其影响因素分析[J]. 南开大学学报(自然科学版) 2015(06)
    • [10].山西省1981—2010年大气能见度变化趋势研究[J]. 中国农学通报 2015(28)
    • [11].厦门市大气能见度变化规律及影响因子分析[J]. 河南农业大学学报 2019(02)
    • [12].上海虹桥机场近30年大气能见度变化特征[J]. 中国民航飞行学院学报 2019(06)
    • [13].西宁市近三十多年来大气能见度变化特征分析[J]. 青海环境 2019(03)
    • [14].浅谈本底状况下大气能见度变化趋势[J]. 科技视界 2019(25)
    • [15].南京大气能见度变化规律及影响因子分析[J]. 大气科学学报 2014(01)
    • [16].高速公路大气能见度的测量与实现[J]. 中国交通信息化 2013(06)
    • [17].安徽省1955—2005年城市大气能见度变化趋势[J]. 气象科学 2008(05)
    • [18].霾的影响因素分析——以山东省临沭县为例[J]. 农业开发与装备 2020(05)
    • [19].2013—2016年天津城区大气能见度的变化特征与影响因素[J]. 环境工程技术学报 2018(04)
    • [20].成都市冬季相对湿度和颗粒物浓度对大气能见度的影响[J]. 环保科技 2018(05)
    • [21].太原市大气能见度研究[J]. 山西科技 2017(06)
    • [22].西安咸阳高速公路大气能见度变化特征及影响因子分析[J]. 环境工程 2016(09)
    • [23].南京市大气能见度的变化趋势及特征[J]. 气象科学 2011(03)
    • [24].近37年佛山市大气能见度的变化特征[J]. 广东气象 2018(06)
    • [25].南京北郊大气能见度影响因子研究[J]. 三峡生态环境监测 2019(01)
    • [26].深圳市大气能见度影响因子研究[J]. 环境科学导刊 2012(04)
    • [27].大气能见度与湍流强度同步测量软件系统的设计与实现[J]. 实验技术与管理 2018(07)
    • [28].宁夏石嘴山市大气能见度的变化趋势及特征[J]. 宁夏农林科技 2012(05)
    • [29].普通数码相机在大气能见度测量中的应用方法研究[J]. 气象科技进展 2011(01)
    • [30].重庆市霾天气下大气能见度与颗粒污染物的关系[J]. 西南大学学报(自然科学版) 2019(09)

    标签:;  ;  ;  ;  ;  

    基于LightGBM框架的上海市大气能见度预报订正研究
    下载Doc文档

    猜你喜欢