基于森林的方法与集成模型输出统计在降雨集合预报中的应用
机器学习
2019-06-07 v1 统计理论
应用统计
统计理论
摘要
降雨集合预报对于弱降水和极端事件均需具备技巧性。我们提出了基于分位数回归森林（QRF）和梯度森林（GF）的统计后处理方法，并带有针对重尾分布的参数化扩展。我们的目标是在保持良好总体性能的前提下，改善包括重尾在内的各类降水事件的集合质量。我们将所提出的混合方法应用于2012年至2015年法国地区由Météo-France称为PEARP的集合预报系统提供的6小时累积降水的每日51小时预报。它们提供了经校准的预测分布，并与类比方法或集成模型输出统计（Ensemble Model Output Statistics）等最先进的方法相比具有竞争力。特别是，基于混合森林的方法似乎为强降雨预报带来了附加价值。
引用
@article{arxiv.1711.10937,
title = {Forest-based methods and ensemble model output statistics for rainfall ensemble forecasting},
author = {Maxime Taillardat and Anne-Laure Fougères and Philippe Naveau and Olivier Mestre},
journal= {arXiv preprint arXiv:1711.10937},
year = {2019}
}