0引言

氣候預(yù)測(cè)方法有統(tǒng)計(jì)學(xué)、動(dòng)力學(xué)和動(dòng)力統(tǒng)計(jì)相結(jié)合三類(lèi)方法。統(tǒng)計(jì)學(xué)方法由于指數(shù)因子過(guò)多且各因子相互作用過(guò)程復(fù)雜，難以基于簡(jiǎn)單的人工分析把握主要統(tǒng)計(jì)要素，因此不確定性較高。動(dòng)力學(xué)方法基于數(shù)值預(yù)報(bào)模式，受初始擾動(dòng)和大氣可預(yù)報(bào)性影響，氣候預(yù)測(cè)技巧有限，特別是青藏高原地區(qū)海拔高且地形復(fù)雜，氣候動(dòng)力模式難以精準(zhǔn)捕捉氣候過(guò)程，從而表現(xiàn)出了明顯偏差［1-2］。動(dòng)力統(tǒng)計(jì)結(jié)合方式為現(xiàn)在主流方式，能彌補(bǔ)統(tǒng)計(jì)和動(dòng)力方法各自的不足，明顯提升預(yù)測(cè)準(zhǔn)確度［3-5］。因此，利用統(tǒng)計(jì)學(xué)方法訂正西部方向氣候模式，以提升預(yù)報(bào)準(zhǔn)確度是值得探索的一個(gè)方向。

近年來(lái)，大數(shù)據(jù)分析挖掘技術(shù)——機(jī)器學(xué)習(xí)正騰飛發(fā)展，也在對(duì)數(shù)據(jù)關(guān)鍵信息的提取、識(shí)別和預(yù)測(cè)上取得了巨大成就。充分利用大數(shù)據(jù)分析挖掘技術(shù)，優(yōu)化傳統(tǒng)統(tǒng)計(jì)預(yù)測(cè)方法，是提升高原地區(qū)氣候預(yù)測(cè)準(zhǔn)確度的重要途徑。氣候預(yù)測(cè)準(zhǔn)確性的影響因子眾多，包含不同起報(bào)時(shí)間的模式場(chǎng)數(shù)據(jù)以及前期環(huán)流特征等，因子數(shù)量多、呈現(xiàn)顯著的非線(xiàn)性。機(jī)器學(xué)習(xí)算法能夠挖掘大數(shù)據(jù)規(guī)律，區(qū)別于傳統(tǒng)統(tǒng)計(jì)方法，它從數(shù)據(jù)出發(fā)進(jìn)行學(xué)習(xí)，具有很強(qiáng)的處理非線(xiàn)性問(wèn)題的能力［6］，能夠從地氣系統(tǒng)大數(shù)據(jù)中發(fā)現(xiàn)并挖掘分析相互關(guān)聯(lián)信號(hào)，提升氣候預(yù)測(cè)技巧［7-8］。

機(jī)器學(xué)習(xí)已經(jīng)被廣泛應(yīng)用于氣候預(yù)測(cè)中，涌現(xiàn)出大量創(chuàng)新創(chuàng)造性成果［9-11］。機(jī)器學(xué)習(xí)方法常與數(shù)值模式融合，Gentine等［11］用神經(jīng)網(wǎng)絡(luò)模擬云和對(duì)流中熱量、水汽的垂直輸送以及輻射與云和水蒸氣的相互作用，更有效地改進(jìn)數(shù)值模式的模擬性，對(duì)氣候模式的發(fā)展和預(yù)測(cè)水平的提高帶來(lái)深遠(yuǎn)影響。機(jī)器學(xué)習(xí)也被廣泛用于訂正動(dòng)力模式偏差，Moghim和Bras［12］使用ANN模型對(duì)CCSM3的南美洲北部降水進(jìn)行訂正，效果顯著優(yōu)于線(xiàn)性回歸模型；Wang等［13-14］用隨機(jī)森林、支持向量、貝葉斯模型等工智能模型訂正偏差，從而提高動(dòng)力模式預(yù)測(cè)水平。機(jī)器學(xué)習(xí)算法對(duì)提升氣候預(yù)測(cè)業(yè)務(wù)水平也有極大的貢獻(xiàn)，黃超［15］等采用隨機(jī)森林挑選因子、多層前饋神經(jīng)網(wǎng)絡(luò)、支持向量回歸和自然梯度算法建立模型，有效提升了湖南夏季降水的預(yù)測(cè)能力；鄧居昌等［7］用多種機(jī)器學(xué)習(xí)算法構(gòu)建廣西月降水量預(yù)測(cè)統(tǒng)計(jì)訂正，結(jié)合動(dòng)力模式方法，極大提升了預(yù)測(cè)準(zhǔn)確率；向波等創(chuàng)造性地將機(jī)器學(xué)習(xí)算法融入多省市的氣候預(yù)測(cè)業(yè)務(wù)中，成功優(yōu)化預(yù)測(cè)效果。

上述研究在氣候預(yù)測(cè)中機(jī)器學(xué)習(xí)算法的應(yīng)用領(lǐng)域做出了較大貢獻(xiàn)，但由于模式表現(xiàn)差、測(cè)站少等原因，鮮有研究關(guān)注西部方向。因此，本文利用西部方向240個(gè)區(qū)域站30年觀測(cè)數(shù)據(jù)、國(guó)內(nèi)外主流氣候模式數(shù)據(jù)、前期環(huán)流特征等大數(shù)據(jù)樣本，基于EOF分解的時(shí)間系數(shù)，采用信息流算法分析挖掘數(shù)據(jù)因果特征，運(yùn)用機(jī)器學(xué)習(xí)算法構(gòu)建高影響因子集與時(shí)間系數(shù)的預(yù)報(bào)模型，以?xún)?yōu)化模式預(yù)報(bào)場(chǎng)，最后將模式數(shù)據(jù)、重構(gòu)預(yù)報(bào)數(shù)據(jù)插值回240個(gè)區(qū)域站，分析對(duì)比模型預(yù)報(bào)效果，探索基于機(jī)器學(xué)習(xí)算法的氣候模式訂正方法在西部方向的適用性。

本文下載請(qǐng)點(diǎn)擊：基于機(jī)器學(xué)習(xí)算法的西部方向氣候模式預(yù)測(cè)訂正研究AET-電子技術(shù)應(yīng)用-最豐富的電子設(shè)計(jì)資源平臺(tái) (chinaaet.com)

作者信息：

楊理智,張櫨丹,王俊鋒,張帥,嚴(yán)渝昇

（中國(guó)人民解放軍31308部隊(duì)，四川成都610031）