[發明專利]基于集成學習的強對流天氣持續時間預報方法

在審

• 申請號: 201911003227.0
• 申請日: 2019-10-22
• 公開（公告）號: CN110794485A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 文立玉;羅飛;向元吉
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G01W1/10
• 分類號: G01W1/10;G06N20/20
• 代理公司: 11308 北京元本知識產權代理事務所
• 代理人: 王紅霞

1.基于集成學習的強對流天氣持續時間預報方法，其特征在于，包括以下步驟：

S1，數據源選取：選擇預報地區的地面氣象站資料以及離預報地區最近的兩個探空站資料；

S2，數據預處理：剔除錯誤及缺測資料，根據計算出的相關強對流預報參數作為輸入，選擇每次強隊流天氣持續的時間作為輸出，當天沒有出現強對流天氣則認為時間為0，對預報參數即輸入作歸一化處理；

S3，機器學習算法選擇：選用K最近鄰算法、多項式回歸算法、決策樹算法、神經網絡算法；

S4，集成學習執行流程：將歸一化后的氣象特征數據作為輸入，采用交叉驗證的方式來訓練數據，將數據分為10份，對于每一個算法，將前9份用來訓練和驗證，最后一份用來測試和對模型評分，將前9份數據用來訓練的過程中，每次取8份用來訓練模型，取1份用來驗證模型準確率，根據此規則，每個算法開始都將得到9個模型和9個模型評分，選評分最高的，用來測試最后一份數據，并把測試得分作為此算法的最終得分；根據上述的模型訓練方法和評分標準，對于每一個算法會訓練出9個模型，根據每個模型得分，選出一個最優模型；四個算法各有一個最優模型，根據最開始劃分的最后一份測試數據，對四個算法的最優模型進行測試，根據測試得分，選最優兩個的兩個算法作為最終算法，并結合這兩個算法，將它們預測結果求和再平均，得到集成學習的預報結果。

2.根據權利要求1所述的基于集成學習的強對流天氣持續時間預報方法，其特征在于，所述相關強對流預報參數包括整層比濕積分、A指數、K指數、修正K指數、總指數、修正總指數、對流有效位能、對流凝結溫度、自由抬升對流溫度、0—3km垂直風矢量差、強天氣威脅指數、700hPa比濕、700hPa相對濕度、850hPa比濕、850hPa相對濕度、地面露點溫度。

3.根據權利要求1所述的基于集成學習的強對流天氣持續時間預報方法，其特征在于，所述歸一化處理采用均值方差歸一化，將所有用作輸入的數據歸一到均值為0方差為1的分布中。

4.根據權利要求1所述的基于集成學習的強對流天氣持續時間預報方法，其特征在于，所述K最近鄰算法在氣象要素的變動是在一個穩定的范圍內，即呈現出連續形態的情況下使用。

5.根據權利要求1所述的基于集成學習的強對流天氣持續時間預報方法，其特征在于，所述多項式回歸算法在氣象預報涉及要素多，所有的要素和結果很難呈線性關系的情況下使用。

6.根據權利要求1所述的基于集成學習的強對流天氣持續時間預報方法，其特征在于，所述決策樹算法在強對流天氣過程的產生中，每一種氣象要素都起著或多或少的作用的情況下使用。

7.根據權利要求1所述的基于集成學習的強對流天氣持續時間預報方法，其特征在于，所述神經網絡算法在對于強對流天氣持續時間和當天的氣象要素的復雜關系的情況下使用。

8.根據權利要求1所述的基于集成學習的強對流天氣持續時間預報方法，其特征在于，所述模型評分采用公式計算，S代表模型的一個樣本得分，α代表一個預測樣本的真值，β代表一個預測樣本的預測值，β是一個大于等于0的數，若計算出來β小于0，則認為它為0；對于一份包含若干個樣本的數據，采用S求和再取平均的方式來得到某個模型的得分。