佳文推荐 | 基于机器学习模型的短期降雨多模式集成预报

在水库防洪和兴利过程中,短期降雨预报的作用十分重要?高精度短期降雨预报不仅有助于未来洪水的准确预警,为防洪决策提供可靠的依据,而且能为水库发电决策提供科学指导,避免水库弃水或放空,保证发电效益?随着数值天气预报技术的发展,越来越多的水文工作者开始将降雨预报信息用于洪水预报?此外,TIGGE资料中心的建成也使得更多用户可以获得不同模式的降雨集合预报数据?然而,这些不同预报模式的预报精度存在一定差异,如何科学选择最优预报结果成为难题?

《南水北调与水利科技（中英文）》2020年第1期发表了《基于机器学习模型的短期降雨多模式集成预报 》一文，该文 以TIGGE资料中心的ECMWF?CMA及NCEP三个集合预报中心发布的桓仁水库流域预报降雨数据为基础,利用ANN?ELM 以及SVM 模型对桓仁水库流域未来1~3d降雨进行多模式集成预报,以期提高预报精度,并从绝对平均误差?均方根误差?相对误差?纳什系数?预报准确率等多个方面分析了集成预报的效果?试验结果表明,基于SVM 和ELM 的多模式集成预报模型预报效果均优于单一模式,基于ANN的集成预报模型在输入因子选择合适的情况下,其预报效果也优于单一模式,三种模型中,SVM 模型对降雨预报精度改善最为明显?说明基于机器学习模型的多模式降雨集成预报方法可行且能够提高短期预报降雨精度?

疏杏胜,王子茹,李福威,等.基于机器学习模型的短期降雨多模式集成预报[J].南水北调与水利科技,2020,18(1):42-50.