局部均值伪最近邻算法在降水预报中的应用.PDF

研究论文 第11 卷 第5 期 沙漠 与 绿 洲 气 象 2017 年10 月 Desert and Oasis Meteorology 林润生，黄明明. 部均值伪最近邻算法在降水预报中的应用[J].沙漠与绿洲气象，2017 ，11（5）：1-8. doi ：10.12057/j .issn.1002-0799.2017.05.001 局部均值伪最近邻算法在降水预报中的应用 林润生，黄明明* （北京市气象信息中心，北京 100089 ） 摘 要：分 北京地区日降雨量资料发现，相较于其他降雨事件，大雨或暴雨事件发生的次 数较少，因此该地区的降水量预报属于样本不均衡问题。在样本不均衡的情况下，K最近邻算法 的分类误差率将会大大提高，这也就使传统的基于K最近邻算法的降水量预报方法的应用受到 了限制。针对北京地区降水量预报这一样本不均衡问题，应用局部均值伪最近邻算法构建了北 京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点 资料，将降雨量作为类，将美国国家环境预报中心全球格点资料的各 因子场作为天气样本特 征，计算得到不同天气样本在所有类中的局部均值伪最近邻，通过决策规则实现最优分类。利用 提出的降水预报模型对北京市2010年6—8月进行了24 h降水预报，实验结果表明，提出的预报 方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率、空报率和漏报率 均优于传统的K最近邻预报方法，该方法具有较好的预报效果。 关键词：局部均值伪最近邻算法；K最近邻算法；降水量 中图分类号：P456.1 文献标识码：A 文章编号：1002-0799（2017 ）05-0001-08 [9] 降水是影响气候的主要因素之一，它对农业、能 以改进。邵明轩 利用KNN算法从历史样本集中搜 源产业以及社会和经济的发展具有至关重要的作 索出近邻子集，并根据近邻子集做出未来天气预报。 [1-5] [10] 用，并且也为各物种提供 一个稳定的栖息地 。 翟宇梅 提出 一种制作概率天气预报的K近邻非 然而，短期强降水通常会导致洪水、山体滑坡和城市 参数估计仿真模型（简称KNN-M），利用该模型进行 [11] 洪涝等严重灾害，给人们的经济和生命财产安全造 了云量和降水的概率预报试验。闵晶晶等 在传统 [6] 成巨大损失 。因此，精确的短期降水预报对于防灾 BP算法的基础上，提出一种改进的BP算法进行降水 减灾，保护人民群众的生命财产安全和维护社会稳 预报。该方法在网络训练过程中自动确定最优的学 定具有重要作用。但是天气形势复杂多变，特别是降 习训练和网络结构参数，并利用这一方法建立江淮