基于KNN回归方法的浙江省温度预报改进研究
本文基于2016-2018 年ECMWF 模式温度预报和浙江省72 个国家基本站观测资料,根据温度日变化特征,采用K-近邻(KNN)回归算法进行误差订正,改进浙江省0-72h 精细化温度预报.在KNN 回归算法应用中,将模式起报时刻温度视作“背景”,由模式预报减去起报时刻温度消除“背景”影响,得到温度日变化曲线,由不同日变化曲线的欧氏距离构建个例差异指标选取历史相似个例.根据历史相似个例的误差特征,对温度预报进行订正,得到改进的温度预报.检验结果表明,KNN 方案中预报平均绝对误差较ECMWF 和30 天误差滑动平均订正方案(OCF)分别减小26.2％和5.2％；日最高和最低温度预报误差小于2℃准确率较ECMWF 预报分别提高15.3％和14.9％,较OCF 分别提高5.5％和3.2％.KNN 方案在地形复杂地区温度预报改进效果更为明显,在冷空气活动和夏季高温等天气过程预报改善效果也较稳定.
精细化预报 K-近邻回归 温度日变化 相似个例
李超
浙江省气象台,杭州310017
国内会议
厦门
中文
475-484
2019-06-01（万方平台首次上网日期，不代表论文的发表时间）