报告题目

基于机器学习的宁波智能网格降水预报订正研究

报告摘要

报告介绍了一种基于机器学习的智能网格降水预报订正方法，该方法利用宁波地区2年半的预报和实况资料，将气温、相对湿度、风向和风力等要素预报结果纳入机器学习模型，对不同起报时次未来48小时的降水量级进行训练和订正。通过6种模型训练比较，发现XGBoost模型效果最佳，训练优化后的降水订正模型晴雨TS普遍提升至0.9附近，小雨及以上量级TS由0.6附近提升至0.7以上，对中雨以上量级降水订正效果更为明显。从TS提升比例上看，对于晴雨预报订正TS提升10%左右，对小雨及以上量级预报订正TS提升20%以上，对于中雨以及上降水量级预报提升40%以上，对大雨和暴雨及以上量级降水预报订正TS提升比例更是达到100%左右，体现出机器学习方法对于大量级降水的订正能力。

最亮点的一张成果图

上图主要介绍了基于机器学习的降水订正方法主要流程，包括输入输出产品，模型方法和主要参数，同时对订正前后后的不同量级降水预报质量进行了比较，显示了该订正方法对降水量级预报、尤其是中等以上降水量级预报的订正提升能力。