排序方式： 共有2条查询结果，搜索用时 359 毫秒
1
1.
基于前期ERA5逐月再分析数据, 应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集, 通过交叉验证和超参数调优建立初霜冻日期预测模型, 利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明: 特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性; Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d), 神经网络模型在5月起报性能最好(RMSE为6—9 d), 随机森林模型在3月起报性能最好(RMSE为8—9 d); 辽宁全省大部分站点距平同号率为50%—70%, 其中Lasso回归和神经网络模型为5月起报最高(约为68%), 随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现, 低植被覆盖比例是初霜冻日期预测关键预测因子, 植被覆盖率越高越有利于地表含水量保持, 降温容易产生霜冻, 初霜冻日期也就越易提前, 去掉低植被覆盖比例因子后模型预测效果显著下降, 也表明该因子是模型建模的前期关键因子。 相似文献
2.
本文主要从东北冷涡气候研究角度,回顾和总结了东北冷涡在定义、主客观识别方法、气候特征、分类研究、影响因子、气候效应等方面的研究进展,并探讨了东北冷涡研究现状中存在的问题及未来可能的研究方向和发展趋势。识别与量化是东北冷涡气候研究的基础,客观识别结果的对比分析及其技术的完善是未来冷涡识别研究的重点。今后有针对性地开展不同类别东北冷涡的气候特征、异常成因及气候影响等,深入探究东北冷涡与影响因子相互作用的物理机制,科学客观的定量化预测,可为东北区域气候异常成因诊断和预测提供更精细、准确的科学依据。 相似文献
1