基于三种机器学习方法的降水相态高分辨率格点预报模型的构建及对比分析_.pdfVIP

doi:10.11676/qxxb2021.059 气象学报   基于三种机器学习方法的降水相态高分辨率格点预报 模型的构建及对比分析* 杨    璐    南刚强    陈明轩    宋林烨    刘瑞婷    程丛兰    曹伟华 YANG Lu    NAN Gangqiang    CHEN Mingxuan    SONG Linye    LIU Ruiting    CHENG Conglan    CAO Weihua 北京城市气象研究院，北京，100089 Institute of Urban Meteorology ，China Meteorological Administration，Beijing 100089，China 2020-11-25收稿，2021-07-15改回. 杨璐，南刚强，陈明轩，宋林烨，刘瑞婷，程丛兰，曹伟华. 2021. 基于三种机器学习方法的降水相态高分辨率格点预报模型的构建 及对比分析. 气象学报，79（6）：1022-1034 Yang Lu， Nan Gangqiang， Chen Mingxuan， Song Linye， Liu Ruiting， Cheng Conglan， Cao Weihua. 2021. The construction and comparison of high resolution precipitation type prediction models based on three machine learning methods. Acta Meteorologica Sinica ， 79（6）:1022-1034 Abstract    Refined and objective prediction of precipitation type and its transition time in winter is of great practical significance for improving the quality of forecast service. This paper establishes a high-resolution precipitation type prediction model based on temperature and weather phenomena data collected at 174 national automatic weather stations for the period 1955—2019 in Beijing- Tianjin-Hebei and the high-resolution forecast products of rapid update multi-scale analysis and forecast system-integrated subsystem (RMAPS-IN) using three machine learning methods, i.e., the XGBboost, the support vector machine (SVM) and the depth neural network (DNN) prediction models. Firstly, differences in spatial distribution between various precipitation types and corresponding climatologically mean probabilities of air temperature and wet bulb temperature at 174 national stations in Beijing-Tianjin-Hebei region are statistically analyzed. The fine integrated products provided by RMAPS-IN, i.e., 2 m air temperature, dew point temperature, relative humidity, snowline height, the ratio of frozen precipitation to t