基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报

作者：王坤; 蒋宁; 李敏^*; 李静; 张树民; 陈铁; 彭小燕

来源：科学技术与工程, 2020, 20(28): 11447-11454.

• SMOTE算法
• 逻辑回归模型算法
• 机器学习
• 短时强降水预报

短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011—2018年江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04:00—10:00和午后15:00—19:00,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样(SMOTE)算法和逻辑回归(LR)方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心(ECMWF)预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24 h以内的6 h时效预报,TS(threat score)评分在0.23以上,未来60 h以内的6 h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较好的指示作用,对气象防灾减灾具有重要意义。

• 单位
  中国地质大学（武汉）; 中国气象科学研究院