基于机器学习方法预测西非季风季节的开始与干旱期

西非季风季节的开始时间和干旱期的发生一直是难以预测的，但这些是农民决定何时种植作物、对其整体产量产生重大影响的关键指标。虽然已有许多研究表明全球海表温度与西非季风季节特征之间存在相关性，但鲜有研究有效地将此信息实现到机器学习(ML)预测模型中。本研究调查了最佳定义目标变量（即开始和干旱期）的方法，并为预测未来季节的开始和干旱期提供了方法，利用海表温度的teleconnections。定义目标变量需要两种已知开始定义的组合。随后，我们应用了自定义统计技术——如总变分正则化和预测器选择——应用于我们构建的两个模型：第一个是线性模型，另一个是自适应阈值Logistic回归模型。我们发现开始预测结果不稳定，空间验证显示出显著的技能，而时间验证则几乎没有表现。对于干旱期，我们通过分析多个二进制分类指标发现显著的准确性。这些模型克服了当前方法的一些局限性，如计算密集且需要偏差校正。我们还将本研究提出为使用气候学相关变量对特定气象现象进行针对性预测的框架。随着我们将ML技术应用于更多问题， meteorology领域将显现出明确的好处，并为进一步的研究指出了一些新方向。