北京地區(qū)體感溫度誤差訂正方法研究

doi:10.12306/2020jms.0043

首頁 > 過刊瀏覽>2022年第42卷第2期 >261-269. DOI:10.12306/2020jms.0043

北京地區(qū)體感溫度誤差訂正方法研究
DOI:
                        10.12306/2020jms.0043
                    
CSTR:
                        
                    
作者:
                        
                        
                    
作者單位:
作者簡介:
通訊作者:
中圖分類號:P49
基金項目:中國科學院戰(zhàn)略性先導科技專項(A類)資助(XDA19040202)

Research on error correction of apparent temperature in Beijing

Author:

Affiliation:

Fund Project:

摘要

圖/表

訪問統(tǒng)計

參考文獻

相似文獻

引證文獻

資源附件

文章評論

摘要:

基于歐洲中期天氣預報中心(European Centre for Medium-range weather Forecasts,ECMWF)模式的預報數(shù)據(jù)和北京地區(qū)氣象站點的觀測數(shù)據(jù),使用兩種機器學習算法(線性回歸和梯度提升回歸樹)對站點的體感溫度進行誤差訂正,并采用均方根誤差(Root Mean Square Error,RMSE)對預報效果進行評估,進一步與傳統(tǒng)訂正方法模式輸出統(tǒng)計(Model Output Statistics,MOS)得到的訂正結(jié)果進行對比。結(jié)果表明:線性回歸、梯度提升回歸樹、MOS和ECMWF預報得到的平均RMSE分別為3.12、3.06、3.45、4.06℃,即機器學習算法明顯優(yōu)于MOS和ECMWF模式原始預報。機器學習訂正方法不僅在平原地區(qū)取得了較好的效果,在高海拔站點的訂正效果更加突出,為北京冬奧會復雜山地條件下賽事正常運行提供了一定的技術(shù)保障。

Abstract:

Based on the forecast data of the European Centre for Medium-Range Weather Forecasts (ECMWF) system and the observational data of the meteorological sites in Beijing, two machine learning algorithms (linear regression and gradient boosting regression tree) are used to correct the errors of apparent temperature. The prediction result was evaluated through the root mean square error (RMSE), and the result are also compared with the corrected results obtained by the traditional MOS method for further evaluation. The results show that the average RMSE predicted by linear regression, gradient-lifting regression tree, MOS and ECMWF model are 3.12, 3.06, 3.45 and 4.06℃, respectively. It is found that the results corrected through the machine learning algorithms are significantly better than those generated from MOS and Original forecast of ECMWF model. The machine learning correction method not only performs well in the plain area, but also achieve prominent results of correction effect with the data from high altitude sites, providing a certain technical guarantee for the normal operation of the Beijing Winter Olympics under complex mountain conditions.

參考文獻

相似文獻

引證文獻

引用本文

武略,焦瑞莉,王毅,夏江江,嚴中偉,李昊辰.北京地區(qū)體感溫度誤差訂正方法研究.氣象科學,2022,42(2):261-269 WU Lüe, JIAO Ruili, WANG Yi, XIA Jiangjiang, YAN Zhongwei, LI Haochen. Research on error correction of apparent temperature in Beijing. Journal of the Meteorological Sciences,2022,42(2):261-269

復制

文章指標

點擊次數(shù):
下載次數(shù):
HTML閱讀次數(shù):
引用次數(shù):

歷史

收稿日期:2020-01-05
最后修改日期:2020-05-09
錄用日期:
在線發(fā)布日期: 2022-05-31
出版日期:

文章二維碼

您是第位訪問者
氣象科學 ® 2026 版權(quán)所有
技術(shù)支持：北京勤云科技發(fā)展有限公司

抽查舔水白紧大视频,冲喜娘子超甜哒激情五月,亚洲黄色图片偷拍网站,亚洲三级黄片免费播放,91在线观看喷潮红桃,日韩精品在线观看一区二区,久久久久久久久久久久黄色片子,日产精品99久久久久久久久,欧洲亚洲另类图片小说

引用本文

分享

相關(guān)視頻

文章指標

歷史

文章二維碼

抽查舔水白紧大视频,冲喜娘子超甜哒 激情五月,亚洲黄色图片偷拍网站,亚洲三级黄片免费播放,91在线观看喷潮红桃,日韩精品在线观看一区二区,久久久久久久久久久久黄色片子,日产精品99久久久久久久久,欧洲亚洲另类图片小说

引用本文

分享

相關(guān)視頻

文章指標

歷史

文章二維碼

抽查舔水白紧大视频,冲喜娘子超甜哒激情五月,亚洲黄色图片偷拍网站,亚洲三级黄片免费播放,91在线观看喷潮红桃,日韩精品在线观看一区二区,久久久久久久久久久久黄色片子,日产精品99久久久久久久久,欧洲亚洲另类图片小说