基于机器学习分类算法的臭氧浓度等级预报在长沙的应用

作者：李细生^*; 张华; 喻雨知; 邓新林; 谢倩雯; 舒磊

来源：热带气象学报, 2023, 39(04): 453-461.

DOI：10.16032/j.issn.1004-4965.2023.041

• 机器学习
• 分类
• 臭氧
• 大气成分
• 数值模式

为准确预报臭氧浓度等级，基于EC＿THIN全球天气模式产品和我国自主研发的CMA＿GFS全球天气数值预报产品以及华南GRACEs大气成分模式输出产品，融合气象和环境观测数据，使用6种机器学习智能算法，构建耦合数值预报模式和机器学习的混合模型，旨在充分发挥数值预报与机器学习智能算法的优势和互补协同作用，实现臭氧浓度等级预报准确度的跨越式提升。共设置4个控制试验，选取不同的特征产品，依次使用机器学习经典分类算法对长沙市未来4天的臭氧浓度等级进行分类预报，取测试准确度最高的模型输出结果作为结果统计。发现：最优模型1～4天的测试准确度分别为81.7%、81.7%、78.3%、60.9%，大大高于大气成分模式预报和预报员经验，达到预期设计目标；高质量的天气模式产品对模型贡献大，而大气成分模式产品对模型贡献有限；模型3天以内预测性能较好，低等级预测性能较好，高等级预测性能一般。提出解决方案供讨论：增加高等级样本数量，增强模型对此类事件的识别能力；加强高等级臭氧污染的机理分析，组合出更精炼的因子供模型使用。

• 单位
  长沙市气象局; 气象防灾减灾湖南省重点实验室