文献类型：期刊文章

作　　者：李文娟[1] 赵放[1] 郦敏杰[2] 陈列[1] 彭霞云[1]

LI Wenjuan;ZHAO Fang;LI Minjie;CHEN Lie;PENG Xiayun(Zhejiang Meteorological Observatory, Hangzhou 310017;Hangzhou Meteorological Observatory of Zhejiang Province, Hangzhou 310057)

机构地区：[1]浙江省气象台,杭州310017 [2]浙江省杭州市气象台,杭州310057

出　　处：《气象》

基　　金：国家气象中心关键技术项目[YBGJXM(2018)02-13];浙江省科技厅重点项目(2017C03035)共同资助

年　　份：2018

卷　　号：44

期　　号：12

起止页码：1555-1564

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、JST、PROQUEST、RCCSE、ZGKJHX、核心刊

摘　　要：随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。

关 键 词：强对流分类  对流指数  物理量 随机森林  

分 类 号：P456.7[大气科学类]