基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报

发布时间：2021-06-25 09:51

　　短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011—2018年江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04:00—10:00和午后15:00—19:00,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样（SMOTE）算法和逻辑回归（LR）方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心（ECMWF）预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24 h以内的6 h时效预报,TS（threat score）评分在0.23以上,未来60 h以内的6 h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较... 

【文章来源】：科学技术与工程. 2020,20(28)北大核心

【文章页数】：8 页

【部分图文】：

江苏省短时强降水频次分布特征

江苏省短时强降水频次日变化特征

精确率和召回率是一组矛盾的变量。图4和表2分别为南通站短时强降水模型不同阈值的混淆矩阵和评估指标,可以看出,当阈值越小,准确率和召回率值越小,预报模型能找出短时强降水出现的个例就越多,但误判的数量也较大。随着阈值的提高,召回率和准确率逐渐升高,精确率值逐渐降低,误判的数量也随之减少。在实际预报中,鉴于短时强降水可能的致灾危害性,为尽可能减少漏报,可以适当放宽阈值,接受一定程度的空报。图4 南通站短时强降水预报模型不同阈值的混淆矩阵

【参考文献】：
期刊论文
[1]暴雨条件下贵州关岭大寨滑坡稳定性研究[J]. 刘其琛,熊承仁,马俊伟.  科学技术与工程. 2015(11)
[2]基于高密度自动站的深圳短时强降水特征分析[J]. 力梅,李磊,兰红平.  科学技术与工程. 2014(18)
[3]中国短时强对流天气的若干环境参数特征分析[J]. 樊李苗,俞小鼎.  高原气象. 2013(01)
[4]基于构成要素的预报方法——配料法[J]. 俞小鼎.  气象. 2011(08)
[5]南京地区夏季暴雨年际变化与大气环流的联系[J]. 杨秋明,黄世成,谢志清,钱玮,李熠.  科学技术与工程. 2010(33)
[6]基于业务中尺度模式的配料法强降水定量预报[J]. 唐晓文,汤剑平,张小玲.  南京大学学报(自然科学版). 2010(03)
[7]中国近50a极端降水事件变化特征的季节性差异[J]. 陈海山,范苏丹,张新华.  大气科学学报. 2009(06)
[8]短历时强降水的极值分布与统计风险计算[J]. 严洌娜,徐集云,陈胜军.  科技通报. 2005(06)



本文编号：3248993