基于集成學(xué)習(xí)算法的冬奧會(huì)延慶賽區(qū)極大風(fēng)速預(yù)報(bào)*

邱貴強(qiáng) 于 波 陶亦為 閻宏亮 王 揚(yáng)

1 山西省氣象臺(tái),太原 030006

2 北京市氣象臺(tái),北京 100089

3 國(guó)家氣象中心,北京 100081

4 北京市延慶區(qū)氣象局,北京 102100

提 要： 高山滑雪運(yùn)動(dòng)對(duì)風(fēng)極為敏感,風(fēng)速尤其是極大風(fēng)速往往是決定冬奧會(huì)賽事順利進(jìn)行的關(guān)鍵因素之一。利用2018—2021年1—3月歐洲中期天氣預(yù)報(bào)中心(ECMWF)模式預(yù)報(bào)產(chǎn)品以及冬奧會(huì)延慶賽區(qū)8個(gè)關(guān)鍵點(diǎn)位的極大風(fēng)速觀測(cè)數(shù)據(jù),基于決策樹(shù)(DT)、隨機(jī)森林(RF)和梯度提升決策樹(shù)(GBDT)三種不同類(lèi)型的機(jī)器學(xué)習(xí)算法分別構(gòu)建極大風(fēng)速客觀預(yù)報(bào)模型。對(duì)比評(píng)估表明：極大風(fēng)速預(yù)報(bào)的最佳預(yù)報(bào)因子主要集中在不同高度層的風(fēng)速和風(fēng)向,個(gè)別站還包括垂直速度,若去掉風(fēng)向因子,絕大多數(shù)模型的預(yù)報(bào)準(zhǔn)確率會(huì)降低,平均絕對(duì)誤差會(huì)增加;總體上基于決策樹(shù)基學(xué)習(xí)器集成學(xué)習(xí)的GBDT和RF模型要優(yōu)于單一決策樹(shù)模型DT,平均絕對(duì)誤差最低的GBDT模型預(yù)報(bào)的極大風(fēng)速誤差介于1.56～3.57 m·s-1,較DT模型的改善率高達(dá)8.7%,同時(shí),GBDT模型對(duì)超閾值極大風(fēng)速的預(yù)報(bào)也較為優(yōu)秀;隨著預(yù)報(bào)點(diǎn)位海拔高度升高,各模型的平均絕對(duì)誤差和準(zhǔn)確率分別有增加和降低的趨勢(shì);隨著預(yù)報(bào)時(shí)效增加,各模型的平均絕對(duì)誤差表現(xiàn)出一定的周期性日變化特征。將表現(xiàn)優(yōu)異的GBDT和RF兩個(gè)模型作為初級(jí)學(xué)習(xí)器,以支持向量機(jī)模型作為次級(jí)學(xué)習(xí)器,基于stacking方法構(gòu)建集成學(xué)習(xí)模型RGL。結(jié)果表明：集成模型對(duì)極大風(fēng)速的預(yù)報(bào)較單一模型具備一定的改進(jìn)能力,且以極大風(fēng)速相對(duì)較大的高海拔站改進(jìn)更為突出,平均絕對(duì)誤差較單一模型最大可降低0.13 m·s-1,準(zhǔn)確率最高可提升0.022。……