[发明专利]一种基于随机森林的冰雹气候特征预测方法

权利要求书

1.一种基于随机森林的冰雹气候特征预测方法，其特征在于；包括以下步骤：

S1、历史冰雹观测数据准备；

首先整理出1955~2014年的冰雹观测数据，剔除异常记录；

将每个月发生的冰雹次数相加得出月降雹次数，进而得到为期60年逐月的数据集T；

S2、将降雹尺寸按照冰雹直径大小分为SA、SB、SC三个等级；

直径小于等于1英寸的冰雹为SA，直径大于1英寸且小于等于2.5英寸的冰雹为SB，直径大于2.5英寸的冰雹为SC；

将每个等级冰雹的月降雹次数除以年总降雹次数，得到每个等级冰雹的月降雹次数占比；

三个等级冰雹的月降雹次数占比分别作为数据集A、B、C；

S3、CMIP6气候模式数据准备；

选取具有代表性、预报效果好的6个CMIP6气候模式；准备与数据集T同时间段的6个气候模式历史数据及各要素取平均作为数据集CF6，数据集CF6包括近地面温度、地表温度、850hPa气温、500hPa气温、500hPa位势高度共5项要素；

准备未来80年的6个气候模式预报数据及各要素取平均作为数据集CA6，要素同CF6；

未来预报数据包括全球变暖得到控制ssp126、全球变暖保持现状ssp245和全球极端变暖ssp585三种情景；

另准备1980~2014年间4个气候模式历史数据及各要素取平均作为测试集CF4，要素同CF6，用于测试模型的效果；

S4、利用随机森林算法建立以数据集T为目标，以数据集CF6为输入的模型MT；

S5、利用随机森林算法建立分别以数据集A、B、C为目标，以数据集CF6为输入的模型MA、MB、MC；

S6、测试模型效果；并利用数据集CA6预测未来80年的降雹次数与冰雹尺寸变化。

2.根据权利要求1所述的一种基于随机森林的冰雹气候特征预测方法，其特征在于，步骤S4的过程具体包括：

将数据集T和数据集CF6按时间对应排列；整体按照8:2的比例随机划分训练集和验证集；

调整随机森林算法参数，将学习速率固定为0.01，循环搜索树深度和迭代次数；

判断损失函数MAE在验证集上的值是否已经达到最小，如果没有则重复上一步；

将全部训练集作为算法输入，以上两步得到的最优参数训练随机森林算法得到模型MT。

3.根据权利要求2所述的一种基于随机森林的冰雹气候特征预测方法，其特征在于，步骤S5的过程具体包括：

将数据集A和数据集CF6按时间对应排列；整体按照8:2的比例随机划分训练集和验证集；

调整随机森林算法参数，将学习速率固定为0.01，循环搜索树深度和迭代次数；

判断损失函数MAE在验证集上的值是否已经达到最小，如果没有则重复上一步；

将全部训练集作为算法输入，以上两步得到的最优参数训练随机森林算法得到模型MA；

模型MB、MC训练步骤同MA。

4.根据权利要求3所述的一种基于随机森林的冰雹气候特征预测方法，其特征在于，步骤S6具体包括：

S601、将测试集CF4输入模型MT计算后得到月降雹次数，计算出1980~2014逐年降雹次数，与真实观测的年降雹次数计算相关系数，以测试模型MT的效果；

S602、将测试集CF4输入模型MA、MB、MC计算后得到SA、SB、SC的月降雹次数占比，计算出1980~2014逐年降雹次数占比，与真实观测的三个等级年降雹次数占比计算相关系数，以测试模型MA、MB、MC的效果；

S603、将数据集CA6输入模型MT计算后，得到未来80年三种全球变暖情景下的月降雹次数，再通过计算得到年降雹次数，即为最终预测的年降雹次数数据；

S604、将数据集CA6输入模型MA、MB、MC计算后，得到未来80年三种全球变暖情景下的三个冰雹尺寸等级月降雹次数占比，再通过计算得到三个等级的年降雹次数占比，即为最终预测的冰雹尺寸变化数据。