[发明专利]一种改进随机森林气温数据质量控制方法

摘要

本发明公开了一种改进随机森林气温数据质量控制方法，将经过粒子群算法优化后的随机森林算法用于气象观测站进行气象要素质量控制。该方法首先对一定范围内的地面气象观测数据进行采集，然后对采集的数据做基本质量控制后，再利用粒子群算法寻找随机森林回归模型的最优mtry值和ntree值参数，使用改进随机森林方法按时间和空间序列对数据进行训练，得到一个基于改进随机森林的质量控制模型，并利用测试集进行回归预测，最后与目标站实际观测数据进行对比，观察模型识别观测数据中错误数据的能力。该方法有效的利用了我国多年积累的宝贵气象数据资料，在质量控制方面比传统方法更加高效、准确度高、适应性强，提高了气象观测站气象数据的质量。

主权项

1.一种改进随机森林气温数据质量控制方法，其特征在于：包括以下步骤：步骤1.采集采样时间T内的目标地面气象观测站温度数据X₀(t)，t＝1，2，3，…，T，其中t为采样时间；步骤2.采集采样时间T内的邻近地面气象观测站温度数据X_i(t)，i＝1，2，3，…，n，其中n为邻近站的个数；步骤3.对采集到的数据进行基本质量控制，得到新的数据集x₀(t)和x_i(t)，将样本按时间序列以9：1的比例分为训练集和测试集；步骤4：使用随机森林方法对训练集数据进行建模，利用Bagging方法进行采样，假设袋外数据总数为a，用这a个数据作为输入，带入分类器得到分类结果，与正确的分类情况进行比较统计错误数据大小为b，则袋外误差为OOB_error＝b/a，不同的参数值mtry和ntree会使模型得到不同的袋外误差，需要寻找最优参数值，利用粒子群算法对随机森林中的参数值mtry和ntree进行寻优，利用最优mtry和ntree值建立模型；步骤5：使用随机森林方法对训练集数据进行建模，回归树节点分裂参考的随机特征变量决定模型的好坏，随机特征变量的数量即为mtry值，随机森林中每颗回归树使用最小剩余方差来决定，划分准则是期望划分后的子树方差最小Var＝min(P_lVar(Y_l)+P_rVar(Y_r))/m，其中P_l为划分到左边的概率，Var(Y_l)为左边数值的方差，P_r和Var(Y_r)为对应右边的概率与数值方差，m为参与分裂样本数；步骤6.重复步骤4和5共k次得到随机森林质量控制模型，k的大小即是树的数量ntree，利用粒子群算法寻找袋外误差最小的k值；步骤7.将测试集中的邻近站点数据作为样本集，利用步骤6建立的随机森林模型进行回归预测，得到目标站的预测值；步骤8.将预测值与实际观测值进行比较，若两者满足条件修正阈值，则通过质量检测；否则，认为观测数据存疑；同时通过均方根误差和平均绝对误差评价模型，其中y_obs为目标站实际观测值，y_est是模型预测值。