气象学论文_基于机器学习算法的精细化流场模拟

文章摘要:基于决策树和随机森林两种机器学习算法，以长沙市国控站气象观测数据和WRF模式模拟得到的风场数据构建数据集，对WRF预报长沙市城区风场数据进行优化.同时，利用树模型特征选择法，筛选对近地面风场数据有重要影响的气象要素，将其作为两种机器学习算法的输入，并利用网格搜索法进行调参建模.最后，将训练结果与地面观测数据进行对比评估模型的性能，开展长沙市城区风场短时预报应用研究.结果表明：相比于WRF模式，随机森林模型和决策树模型的均方根误差平均降低34%和17%，平均绝对误差平均降低33%和13%，相关系数平均提高26%和19%，风向预报准确率平均提高1%和17%；随机森林模型和决策树模型可成功模拟风场日变化特征，而且刻画的风场空间变化特征更为精细，能很好地描述城区内大气污染物随时间的动态变化特征.这表明构建的机器学习风场模型具有较好的模拟性能，可应用于空气质量改善及环境风险评估等方面的研究，显示出机器学习方法在提升风场预报方面的潜力.

文章关键词:

项目基金: