一种集成机器学习的多模式降水预估方法技术

本发明专利技术公开了一种集成机器学习的多模式降水预估方法，其特征在于：采用基于最新的CMIP6气候模式模拟数据和中国气象局台站观测的格点资料，计算生成中国区域的四类降水的极端气候指数，利用历史时段的观测和模式数据训练多种机器学习模型，评估不同机器模型的性能，基于模型性能赋予不同权重，集成生成未来不同增温情景、增温幅度的平均及极端降水概率预估结果。本发明专利技术采用了多模式和多机器算法集成技术，降低了未来预估中由不同模式和不同算法引入的不确定度，使预估的结果更具可靠性。使预估的结果更具可靠性。使预估的结果更具可靠性。

【技术实现步骤摘要】
一种集成机器学习的多模式降水预估方法


[0001]本专利技术属于降水气候预估
，具体涉及一种集成机器学习的多模式降水预估方法。

技术介绍

[0002]百年全球呈显著的增温趋势，根据IPCC报告，增温有可能给未来气候系统带来极大威胁，如近年来极端事件的频发。目前的初步研究表明，增温2度以上，极端事件的风险显著加大。基于多气候模式的集合预估是提高区域气候预估可靠性的有效手段，但以往多采用等权集合及加权集合，加权方案大多基于模式对当前气候模拟能力的统计指标，模拟性能、预估不确定对评估变量、方法也很敏感，如何降低多模式集合预估的不确定性带来极大的挑战。
[0003]近年来，随着机器学习算法的蓬勃发展，越来越多的学者运用机器学习进行极短的天气预报。但是结合全球大尺度模式与机器学习技术研究在全球升温背景下的中国区域的极端气候事件的预估较为薄弱。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对上述现有技术的不足提供一种集成机器学习的多模式降水预估方法，其采用了多模式和多机器算法集成技术，降低了未来预估中由不同模式和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集成机器学习的多模式降水预估方法，其特征在于包含以下步骤：第一步：数据预处理：计算观测和22个CMIP6模式历史和不同路径(ssp245,ssp585)下未来时期的强降水、连续干日、平均总降水、连续最大5日降水气候指数，采用双线性插值将CMIP6结果插值到与观测资料一致的格点上，采用时间轴的数据切片得到中国区域未来增温1.5、2、3度时期的极端降水指数；第二步：数据集构建：将CMIP6模式数据分割成训练数据、评估验证数据、未来气候预估数据集，将每个CMIP6模式格点的极端气候指数数据按照时间
‑
空间交替的顺序映射成一列一维的数据，然后按照模式名的首字母顺序，将所有模式数据排列成一个二维数据矩阵，最后一列为观测结果；第三步：集成机器学习预估：利用历史时段数据集训练多种机器学习模型，从时间和空间评估机器模型性能，基于性能赋予不同权重，集成生成未来不同增温情景、增温幅度的平均及极端降水概率预估结果。2.根据权利要求1所述的一种集成机器学习的多模式降水预估方法，其特征在于：所述的步骤一中基于观测和22个CMIP6模式的逐日降水数据和WMO的降水气候指数定义计算并插值到中国区域的0...

【专利技术属性】
技术研发人员：赵立龙，江志红，李童，朱欢欢，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：