[发明专利]一种基于XGBoost气温预测数据修正的方法

说明书

本发明属于气象预测技术领域，具体涉及一种基于XGBoost气温预测数据修正的方法。本发明是一种基于XGBoost的气温预测数据修正的方法，旨在提高气温预测数据的准确性。这是由于气象数值预报数据本身存在偏差，因此需要修正技术对预报偏差进行修正来提供预报的准确率。为了验证气温预测数据修正的效果，本发明选择同一评价指标对修正前后的气温预测数据进行质量检测，并在模型训练时按照时间划分训练集和测试集，可以提取气温随时间变化的趋势，优于随机划分训练集和测试集。

技术领域

本发明属于气象预测技术领域，具体涉及一种基于XGBoost气温预测数据修正的方法。

背景技术

天气预报(测)或气象预报(测)是使用现代科学技术对未来某一地点地球大气层的状态进行预测。从史前人类就已经开始对天气进行预测来相应地安排其工作与生活(比如农业生产、军事行动等等)。今天的天气预报主要是使用收集大量的数据(气温、湿度、风向和风速、气压等等)，然后使用目前对大气过程的认识(气象学)来确定未来空气变化。

数值天气预报(numerical weather prediction)是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象。

数值天气预报普遍存在系统偏差，这是因为数值模式所描述的大气运动物理过程是有限的，且次网格过程参数化问题难以精确处理。因此需要订正技术对预报偏差进行订正来提供预报的准确率。

地面气温是人们日常生活最关注的气象要素之一，现有的温度预报订正方法主要包括滑动平均订正、多模式集成、线性回归等方法，订正效果不理想，并且没有考虑气象要素的时空关联性。

发明内容

本发明提供的一种基于XGBoost的气温预测数据修正的方法，对多源异构的气象预报数据将进行数据融合处理，评价指标除了通用性较强的回归评价标准以外，还引入气象学评价指标，使质量评价结果更加准确。

为实现上述目的，本发明采用如下技术方案：

一种基于XGBoost气温预测数据修正的方法，如图1所示，包括以下步骤：

S1、获取历史预报数据和历史观测数据；

S2、对步骤S1获取到的数据进行预处理，包括数据重复性检查、界限值检查、极值检查、时间一致性检查和空间一致性检查，通过预处理消除错误数据后，将得到的历史预报数据和历史观测数据进行时空上的近邻匹配，获得时空匹配后的数据；

S3、对预处理后的历史预报数据进行质量检测，具体为使用RMSE均方根误差作为检测结果：

其中n为有效样本量，y_i为i时刻某个气象要素的标准数据，为i时刻对应气象要素的预报值；RMSE均方根误差是一种常用的衡量预测值与实际值之间偏差的度量方式；

S4、将步骤S2得到的时空匹配后的数据进行时空特征的提取，包括预测时间的年、月、小时和预测点位的海拔高度值，获得时空特征值；