热带气象学报

作者：陈锦鹏, 林辉, 吴雪菲, 黄奕丹, 程晶晶, 庄毅斌

单位：1.福建省灾害天气重点实验室，福建福州3500012.数字科学与统计重点实验室，福建漳州3630053.漳州市气象局，福建漳州3630054.福建省大气探测技术保障中心，福建福州350001

关键词：低能见度, 分类预报, 集成学习, LoRa, AUC

基金：福建省自然科学基金（联合资助）项目2021J01455；闽西南区域协同发展气象科技专项课题2020MXN08；

在2020年3月—2021年7月福建漳州沿海地区融合实况资料与欧洲中心细网格模式预报产品的基础上，应用集成学习中的LightGBM（Light Gradient Boosting Machine）算法建立分类预报模型以预测低能见度天气。针对样本极端不均衡的问题，在建模与检验中分别采用Bagging（Bootstrap Aggregating）技术和AUC（Area Under Curve）评分进行解决。根据有无新特征构造和模型融合划分为四种方案进行试验，同时将逻辑回归建模方案作为对比。结果表明：（1）在所有特征中，2 m露点对判断低能见度天气发生发展最为重要，2 m与1 000 hPa温差的重要性次之；（2）所有建模方案均能改善模式原始预报，其中LightGBM模型总体效果优于逻辑回归模型，两者命中率相似，但前者空报率显著降低；（3）新特征构造与模型融合的技巧能够进一步改善预测性能，包含这两者的建模方案在测试集上表现更佳，其中新特征构造对模型的提升幅度更为突出。

来源：2023年第5期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2023年第5期