[发明专利]基于GBDT+LR模型的冰雹和短时强降水预报方法

说明书

本发明公开了一种冰雹和短时强降水预报方法，包括：获取某一地区往年每年3月至9月冰雹和短时强降水发生前三小时的地面气象观测站点数据及该地区上游的多个探空站点数据；通过SMOTE过采样算法对上述数据中数据量相对较小的冰雹过程数据进行扩充，得到过采样后的数据集；采用PCA方法对过采样后的数据集进行降维；将降维后的数据集中的样本划分为训练集和测试集；构建GBDT+LR模型，将GBDT模型的叶节点所提取的特征作为LR模型的输入特征，通过训练集和测试集的样本对GBDT+LR模型进行训练和测试；采集地区待预测时间点之前三小时的地面气象观测站点数据，获取该地区上游的多个探空站点数据，将数据代入训练好的GBDT+LR模型，判定预测时间点出现的是冰雹还是短时强降水。

技术领域

本发明涉及气象预报领域，特别是涉及一种冰雹和短时强降水预报方法。

背景技术

在气象预报中，冰雹与短时强降水有着产生与消亡周期短、影响的区域范围较小而且天气变化极为剧烈的特点。它们会对工业，农业以及人民的日常生活造成极大的影响。

冰雹与短时强降水的预报可以使用气象雷达，但气象雷达所反映的信息仅仅是实况，而且探测空间尺度小，因此，气象雷达无法做到提前较长时间进行预报。

发明内容

为克服现有技术的不足，本发明旨在提供一种基于GBDT+LR模型对冰雹和短时强降水进行预报的方法，利用物理场数据的关系，实现冰雹短时强降水的准确预报，为精确预报强对流天气提供有力支持。

为此，本发明采用以下技术方案：

一种基于GBDT+LR模型的冰雹和短时强降水预报方法，包括以下步骤：

S1，原始数据获取：获取某一地区往年每年3月至9月冰雹和短时强降水发生前三小时的地面气象观测站点数据，获取该地区上游的多个探空站点数据；

S2，通过SMOTE过采样算法对上述数据中数据量相对较小的冰雹过程数据进行扩充，得到过采样后的数据集；

S3，采用PCA方法对所述过采样后的数据集进行降维；

S4，数据集的划分：将降维后的数据集中的样本划分为训练集和测试集；

S5，构建GBDT+LR模型，将GBDT模型的叶节点所提取的特征作为LR模型的输入特征，通过所述训练集和测试集的样本对GBDT+LR模型进行训练和测试；

S6，采集所述地区待预测时间点之前三小时的地面气象观测站点数据，获取该地区上游的多个探空站点数据；

S7，将S6中的数据经PCA降维后代入训练好的GBDT+LR模型，判定所述预测时间点出现的是冰雹还是短时强降水。

其中，所述GBDT+LR模型的构建过程如下：

(1)构建GBDT模型，如下式：

式中：β为每一个基础学习器的相应权重；α为每一个基础学习器的参数；参数为M个数据(x_i,y_i)的损失函数最小最优解P，

设损失函数L：

其中，l为每次迭代的基础学习器的损失函数，

则：

对于每一个样本x_i，都可以得到一个梯度下降方向，即：

优化公式(8)得到：