基于LightGBM框架的上海市大气能见度预报订正研究

发布时间：2020-07-24 09:42

【摘要】：雾霾等大气污染是近些年我们主要面临的环境污染问题之一,同时大气污染会导致大气能见度降低。大气能见度的预测对于城市空气污染的防治和交通安全具有十分重要的作用。目前,大气能见度预报存在精度不高的问题,为此,对于大气能见度预报进行订正,以获得更好的预报精度具有重要的实用价值。首先,本文分析了上海市区、上海郊区和上海崇明在月、周和日周期上的变化特征,并分析了大气能见度与各滞后期上的滞后项之间的线性相关性。同时,提取大气能见度的月、周、日和滞后项特征作为预报订正模型的备选特征。随后,分区域建立基于LightGBM(Light Gradient Boosting Machine)框架的WRF(Weather Research and Forecasting Model)模式大气能见度预报订正模型。其中,模型建立分三个步骤。第一步,根据原始WRF模式预报精度差异,每个研究区域分为三个时间段分别建立模型。第二步,对模型初始输入特征进行特征分析,主要包括特征合成和特征选择。通过特征合成获得WRF模式在各等压面高度上风速的水平和垂直分量预报值。通过利用方差选择法和基于GBDT算法的特征贡献度方法,获得模型的最优特征子集作为最终模型输入特征。第三步,分区域分时间段分别建立基于LightGBM框架的WRF模式大气能见度预报订正模型。利用网格搜索法获得各个模型的最优参数。利用十折交叉验证法验证模型的稳定性。最后,在各自验证集上验证模型的效果。结果表明:在验证集上,上海三个研究区域的预测MAE(平均绝对误差)均在2097m到3312m之间,相对于原始WRF模式预报MAE至少提升了2625m,提升比例为47.2%;预测RMSE(均方根误差)均在3164m到4418m之间,相对于原始WRF模式预报RMSE至少提升了3239m,提升比例为45.1%;预测~2(决定系数)均在0.76到0.87之间,相对于原始WRF模式预报~2至少提升了0.56。由此可得,利用基于LightGBM算法建立的上海市大气能见度预报订正模型有良好的预报精度,能显著提升原始WRF模式预报精度。
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X831;P457.7
【图文】：

技术路线图

本文技术路线图

基于LightGBM框架的上海市大气能见度预报订正研究

研究区域

大气能见度,折线

选取的 K 为 5，使用最相近的 5 条记录对缺失值进行填充，处理完成后，所有的缺失值都被填充。图3-2 展示了上海崇明地区大气能见度缺失值填充前后的效果对比，其中黑色折线表示未填充缺失值的大气能见度时间序列，红色折线表示使用 KNN 方法填充缺失值后的时间序列。可以发现，使用 KNN 方法填充缺失值后的大气能见度序列基本符合原始的变化规律，填充效果较好。3.4 本章小结在本章中，首先介绍了本文的研究区域和数据来源，并将总研究区域上海依

【相似文献】