声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
该杂志刊期列表
- 2026年
- 1期
国内刊号：44-1326/P
国际刊号：1004-4965
发布日期:
作者：陈诗祺, 张吉, 岳彩军, 沙莎, 黄筱灿
单位：1.上海海洋中心气象台,上海2013062.华东区域相控阵天气雷达应用联合实验室,上海200030
关键词：强对流天气, 机器学习, CatBoost, 强风, 潜势预报
基金：国家自然科学基金项目41875059；国家自然科学基金项目41875071；中国气象局青年创新团队CMA2024QN02；上海台风研究基金TFFJJ202319；中国气象局气象能力提升联合研究专项22NLTSQ005；
选取2015—2021年逐小时0.25 ° ×0.25 ° ERA5再分析资料和上海长江口区5个沿江地面自动气象站观测资料，运用FLBO-CatBoost集成学习算法，将6种强对流指数作为输入因子，实现对强对流影响下的长江口区强风的潜势分类及概率预报，并利用SHAP方法进行输入因子分析。结果表明：通过加入Multi-Class Focal Loss与贝叶斯优化模块，提高了FLBO-CatBoost综合性能，模型筛选的输入因子物理意义较明确，判断7级强风时POD、CSI、FAR均达到0.70，0.67、0.12，判断8级以上强风时分别达到0.97、0.91、0.07，优于其他五种集成学习模型。运用SHAP方法进行重要性排序可知，在水汽、能量、动力等条件方面，模型能起到优秀的影响要素诊断与筛选功能。同时，将对流云团影响下，长江口区7级以上强风概率预报的最优阈值选定为0.5，之后进一步结合个例验证模型对长江口区的强风的可预报性。整体而言，建立的强风预报模型具有一定的业务应用前景。
来源：2024年第4期
《热带气象学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。