基于决策树的雷暴天气短临预报

雷暴天气是指伴有雷电、冰雹、大风和强降水的局地强对流性天气,它对航空运输、电力设施、通讯设备与建筑物等均可造成不同程度的破坏,严重时甚至造成人员伤亡。开展雷暴天气过程的短临预报具有重要的科学意义与实用价值。本文对我国 2010~2015 年雷暴天气事件的时空分布特征进行了统计分析,结果表明：雷暴天气事件集中分布于国内少数区域夏季 7~8 月份的 14:00~18:00 点。在此基础上,基于 2010~2015 年的地面气象观测资料建立决策树模型,预测未来 3~4 小时雷暴天气的发生概率。模型对雷暴事件的漏报率和误报率均低于 10%,这一结果表明：本文所建立的模型能够较为准确地进行雷暴天气短临预报,能够为保障飞行安全提供较为可靠的决策支持。而对特征的相对重要性排序结果表明：测站的地理环境特征和气象条件对雷暴天气过程的发生具有显著的影响。     

基于 HY-FMV 模型的雷暴天气预测研究

本文以极端天气中的雷暴天气为研究对象,基于历史气象数据预测未来三小时是否发生雷暴。为预测雷暴是否发生,本文分别对极端天气气象数据的采样、数据预处理、特征选择,以及建模分析进行了研究,最终提出一种基于机器学习方法的HY-FMV模型框架对雷暴天气进行预测。该模型采用混合模型进行数据预处理,基于概率分布与模型评价进行特征的选择和构建,并使用梯度提升树算法对极端天气进行预测分类。最后,本文以2010年到2015年福建和广东两省数据为例,分别使用本文所提出的HY-FMV模型,和随机森林算法等进行雷暴天气预测,结果表明,本文所提出的HY-FMV模型在F1指标上精度达到78%,相比其他算法,在雷暴天气预测精度上提高了0.5%-0.6%。