面向中国近海海雾预报的智能模型
机器学习
2023-07-21 v1 大气与海洋物理
摘要
准确及时的海雾预报对于有效管理海上和沿海经济活动非常重要。鉴于海雾的复杂性和固有变率，传统的数值和统计预报方法往往被证明是不够的。本研究旨在以长江口（YRE）沿海区域为案例，开发一种嵌入数值天气预报模型的先进海雾预报方法。在训练我们的机器学习模型之前，我们采用时滞相关分析技术来识别关键预报因子并揭示驱动海雾发生的潜在机制。此外，我们采用集成学习和焦点损失函数来解决数据不平衡问题，从而增强模型的预测能力。为验证我们方法的准确性，我们使用跨越一年的综合数据集评估其性能，该数据集包含气象站观测和历史预报。值得注意的是，我们基于机器学习的方法超越了两种常规方法的预测性能，即天气研究与预报非静力中尺度模型（WRF-NMM）和国家海洋和大气管理局（NOAA）预报系统实验室（FSL）开发的算法。具体而言，在预报能见度小于等于1 km、提前期为60小时的海雾方面，我们的方法通过提高探测概率（POD）同时降低虚警率（FAR）取得了更优结果。
引用
@article{arxiv.2307.10580,
title = {Intelligent model for offshore China sea fog forecasting},
author = {Yanfei Xiang and Qinghong Zhang and Mingqing Wang and Ruixue Xia and Yang Kong and Xiaomeng Huang},
journal= {arXiv preprint arXiv:2307.10580},
year = {2023}
}
备注
19 pages, 9 figures