隨機森林方法在機場溫度預測中的應用

朱國棟 孫建杰 陳陽權 王照剛

（民航新疆空中交通管理局氣象中心，烏魯木齊 830016）

0 引言

隨著近年民用航空產(chǎn)業(yè)的不斷發(fā)展，航空公司、機場、空管等民航氣象用戶單位對機場預報的準確性和時效性要求不斷提高。其中機場溫度作為民用航空器配載的重要指標，準確的預報將會對飛機旅客、貨物、油料的裝載數(shù)量提供科學的參考，同時為確保航班起降安全提供幫助。

目前對地面溫度的預測主要依托數(shù)值預報產(chǎn)品，但是模式直接輸出的溫度預測產(chǎn)品與實況存在一定的偏差，為了解決模式直接輸出產(chǎn)品的誤差，通過對不同數(shù)值模式產(chǎn)品的檢驗和誤差訂正，并應用機器學習方法開展模式解釋應用，較好地改善了溫度預測的效果。同時參考不同的機器學習方法的特性和在氣象領域的預測效果，本文選取能夠較好地處理非線性問題的隨機森林方法，結合歐洲中心細網(wǎng)格數(shù)值預報產(chǎn)品，實現(xiàn)對烏魯木齊地窩堡國際機場的逐小時地面2 m溫度的預測，為民航運行單位提供科學、可靠的溫度預報產(chǎn)品，進而更好地為民航安全、效益服務。

1 隨機森林方法

隨機森林是基于決策樹的集成學習算法，決策樹是一種廣泛應用的樹狀分類器，在樹的所有節(jié)點上，通過選擇最優(yōu)的特征不斷進行分類，直到達到建樹的停止條件。決策樹是無參數(shù)有監(jiān)督的機器學習方法，不需要先驗知識，相比神經(jīng)網(wǎng)絡等方法更容易解釋，但是單個決策樹對問題預測性能有限，為了改善單個分類器的預測性能，將單個分類器聚集起來，通過對每個基本分類器的分類結果進行組合，也就是形成多個決策樹組成的隨機森林，提升模型的預測精度和泛化能力，避免出現(xiàn)過擬合現(xiàn)象。

2 數(shù)據(jù)預處理

在機器學習方法中，雖然算法的選型很重要，但是良好的數(shù)據(jù)才是算法的基本。然而在實際的應用中，產(chǎn)生的氣象數(shù)據(jù)并不一定符合算法的要求，總會由于一些客觀因素影響數(shù)據(jù)的收集，例如觀測設備故障、數(shù)值模式傳輸錯誤等。

本文整理烏魯木齊地窩堡國際機場（以下簡稱機場）逐小時地面觀測資料，將機場溫度作為預測對象，篩選氣溫對應時刻的前24 h地面風、氣溫等要素。同時，利用2015—2017年逐日20時起報的歐洲中心細網(wǎng)格數(shù)值預報產(chǎn)品，包括2T、2D、高空溫度、濕度、高度場、UV風場等要素，預報有效時間12～36 h的預測產(chǎn)品，由于不同的預測要素產(chǎn)品網(wǎng)格距離不同，本文采用查找距離機場最近網(wǎng)格點上的數(shù)據(jù)，與機場溫度構建訓練樣本序列。通過對收集到的數(shù)據(jù)進行數(shù)據(jù)篩查、清洗等預處理，剔除數(shù)值預報產(chǎn)品中的缺測記錄后，共得到22056條樣本記錄。

由于不同的物理量組成的因子存在著量級差異，在進行模型訓練和參數(shù)尋優(yōu)前，需要歸一化處理所有的因子，將其限定在0～1，具體處理方法如式（1）所示：

為了評估不同算法模型的預測能力，同時避免模型出現(xiàn)過擬合，本文利用開源工具包scikit-learn對歸一化后的樣本進行隨機切分，確保檢驗樣本的獨立性，將樣本數(shù)據(jù)中隨機抽取33%作為檢驗樣本，67%作為訓練樣本，進行模型訓練和參數(shù)尋優(yōu)。

3 溫度預測模型構建

3.1 模型構建

利用Python的開源機器學習庫scikit-learn構建預測模型，為了評估不同的方法和模型參數(shù)下的溫度預測效果，本文選取決策樹回歸方法和隨機森林回歸方法進行建模，并通過設置不同決策樹數(shù)量來評估隨機森林方法的預測能力，具體模型實現(xiàn)代碼如下：

1）決策樹方法

from sklearn.tree import DecisionTreeRegressor

model=DecisionTreeRegressor()

model.fit(trainX,trainY)

2）隨機森林方法

from sklearn.ensemble import RandomForestRegressor

model=RandomForestRegressor(n_estimators=200)

model.fit(trainX,trainY)

3.2 模型尋優(yōu)

通過分析預測模型可以發(fā)現(xiàn)，決策樹回歸方法對測試樣本的機場溫度預報平均絕對誤差為1.01 ℃，而采用5個決策樹的隨機森林方法較好地改善了平均絕對誤差，達到0.82 ℃，隨著增加決策樹數(shù)量，模型對測試樣本預測結果的平均絕對誤差逐漸減小，當決策樹數(shù)量達到200個以上后，模型預測誤差逐漸趨于穩(wěn)定，達到0.70左右。由此可見隨機森林用于溫度回歸預測效果明顯好于單個決策樹，同時隨著決策樹數(shù)量的增加，對測試樣本的平均絕對誤差逐漸減小。具體模型預測結果如表1所示。

表1 不同模型及參數(shù)構建的預測模型效果評價Table 1 Evaluation of prediction models for different models and parameters

3.3 溫度回歸預測

利用模型尋優(yōu)得到的預測模型，對樣本中隨機抽取的7279條測試樣本進行預測，其中預測結果平均絕對誤差≤1 ℃的占樣本總數(shù)78%，平均絕對誤差≤2 ℃的占樣本總數(shù)94%，模型預測結果的平均絕對誤差能夠控制在2 ℃以內，對于溫度業(yè)務預報有較好的指導作用。為了充分評估模型預測能力，本文將預測對象機場溫度按照10 ℃為一個量級（表2），劃分出8個量級。烏魯木齊機場溫度主要分布在-10～30 ℃，模型的平均絕對誤差主要在1.2 ℃左右，其中-10～0 ℃平均絕對誤差最小，為0.939 ℃。而-30～-20 ℃考慮到樣本數(shù)量占比較少，僅為31個，此范圍內的預測誤差不單獨進行統(tǒng)計。

表2 不同區(qū)間段內的溫度預測誤差分析Table 2 Analysis of temperature prediction error in different interval segments

通過對四個季節(jié)的樣本建立獨立的隨機森林預測模型，分析模型對訓練樣本的預測誤差可以看到，春季氣溫預測模型的平均絕對誤差為0.956 ℃，夏季氣溫預測模型的平均絕對誤差為1.100 ℃，秋季氣溫預測模型的平均絕對誤差為0.935 ℃，冬季氣溫預測模型的平均絕對誤差為1.067 ℃。對比全年樣本數(shù)據(jù)構建的預測模型，按季節(jié)構建的預測模型，在不同溫度量級下的春季預測效果更優(yōu)，具體見表3。

表3 不同季節(jié)的溫度預測誤差分析Table 3 Analysis of temperature prediction error in different season

4 數(shù)值預報對烏魯木齊機場溫度預測誤差分析

利用歐洲中心細網(wǎng)格數(shù)值預報輸出72 h 的0.125°×0.125°2 m氣溫產(chǎn)品資料，結合烏魯木齊機場本地特點，采用最近經(jīng)緯網(wǎng)格點的數(shù)據(jù)做為烏魯木齊機場的氣溫預報結果，通過對不同預報有效時間下的預報數(shù)據(jù)進行篩選，每個預報有效時間大約獲得3100個樣本，平均絕對誤差為2.151 ℃，誤差最小的為預報有效時間21 h，為1.932 ℃，誤差最大的為預報有效時間72 h，為2.357 ℃，通過分析不同溫度區(qū)間內的平均絕對誤差可以看到，其中0～10 ℃平均絕對誤差為1.839 ℃。具體見表4。

表4 數(shù)值預報溫度預測的平均絕對誤差分析Table 4 Analysis of the numerical forecast temperature prediction error

結合烏魯木齊機場季節(jié)劃分以及模式不同預報有效時間下的預測效果，選取預報有效時間為24 h的結果進行分析，春季氣溫預測的平均絕對誤差為2.043 ℃，夏季氣溫預測的平均絕對誤差為1.982 ℃，秋季氣溫預測的平均絕對誤差為2.238 ℃，冬季氣溫預測的平均絕對誤差為2.288 ℃。對比全年預測誤差結果可以看到，夏季預測效果更優(yōu)，具體見表5。

表5 數(shù)值預報溫度預測（24 h）在不同季節(jié)的平均絕對誤差分析Table 5 Analysis of the numerical forecast temperature prediction error in different season

通過對比分析可以看到，歐洲中心細網(wǎng)格數(shù)值預報直接輸出的溫度預測結果較為穩(wěn)定，平均絕對誤差在2 ℃左右，利用隨機森林方法的溫度回歸預測結果，平均絕對誤差在1 ℃左右，對模式直接輸出的溫度結果有了較大的提升，其預測效果明顯優(yōu)于模式直接輸出的結果。