基于机器学习预测巴西各州首府的温度
大气与海洋物理
2025-05-20 v1 应用统计
摘要
气候变化指的是天气模式的长期实质性变化。在这项工作中，我们采用一种机器学习（ML）技术——随机森林（RF）算法，来预测从1961年1月到2022年12月巴西各州首府（27个城市）以及全国的月平均温度。为了预测第k个月的温度，我们在随机森林中考虑以下特征：i) 第k个月的全球二氧化碳（CO₂）、甲烷（CH₄）和一氧化二氮（N₂O）排放量；ii) 前三个月的温度，即第(k-1)、(k-2)和(k-3)个月的温度；iii) i和ii的组合。通过研究时间序列中的断点，我们发现24个城市和这些气体在80年代和90年代存在断点。在断点之后，我们发现温度和气体排放量都有所增加。此后，我们根据城市的地理位置进行划分，并应用随机森林算法预测2010年8月至2022年12月的温度。基于i、ii和iii三种输入，我们发现这三种输入都能得到非常精确的预测，所考虑情况的归一化均方根误差（NRMSE）均小于0.083。从我们的模拟来看，通过策略iii预测效果最好的地区是东北部（NRMSE = 0.012）。此外，我们还通过去除每个时间序列的年度分量，研究了异常温度数据的预测。在这种情况下，使用策略i获得了最佳预测，最佳地区是东北部（NRMSE = 0.090）。
引用
@article{arxiv.2505.11511,
title = {Predicting temperatures in Brazilian states capitals via Machine Learning},
author = {Sidney T. da Silva and Enrique C. Gabrick and Ana Luiza R. de Moraes and Ricardo L. Viana and Antonio M. Batista and Iberê L. Caldas and Jürgen Kurths},
journal= {arXiv preprint arXiv:2505.11511},
year = {2025}
}