Page 189 - 《高原气象》2025年第6期

6 期 周秋雪等：一种适用于复杂地形下最高气温订正的机器学习方法 1597
the Royal Meteorological Society， 142（694）： 287-303. 10. 19517/j. 1671-6345. 20210092. He S S， Lan Y， Qi Y F，
Friedman J H， 2001. Greedy function approximation： a gradient boost‐ 2021. Moving average of optimal time-window method for 2m
ing machine［J］. Annals of Statistics， 29（5）： 1189-1232. temperature forecast correction of GRAPES-GFS［J］. Meteorolog‐
IPCC， 2018. Special report on global warming of 1. 5 ℃［M］. UK： ical Science Technology， 49（5）： 746-753. DOI： 10. 19517/j.
Cambridge University Press. 1671-6345. 20210092.
Yasser K， Hemayed E， 2017. Novelty detection for location predic‐ 康军， 张凡， 段宗涛， 等， 2020. 基于 LightGBM 的乘客候车路段推
tion problems using boosting trees［M］. Gervasi O， Murgante B， 荐方法［J］. 测控技术， 39（2）： 56-62. DOI： 10. 19708/j. ckjs.
Misra S， et al， Lecture Notes in Computer Science， 3： 173-182. 2020. 02. 010. Kang J， Zhang F， Duan Z T， et al， 2020. Recom‐
曹渝昆， 朱萌， 2019. 基于主成分分析和 LightGBM 的风电场发电 mendation method of passengers' boarding sections based on
功率超短期预测［J］. 上海电力学院学报， 35（6）： 562-566. LightGBM［J］. Measurement and Control Technology， 39（2）：
DOI： 10. 3969/j. issn. 1006-4729. 2019. 06. 009. Cao Y K， Zhu 56-62. DOI： 10. 19708/j. ckjs. 2020. 02. 010.
M， 2019. Ultra-short-term prediction of wind farm power genera‐ 刘杰， 刘高平， 安晶晶， 等， 2024. 基于机器学习的模式温度预报订
tion based on principal component analysis and LightGBM［J］. 正方法［J］. 沙漠与绿洲气象， 18（3）： 96-104. DOI： 10. 12057/
Journal of Shanghai University of Electric Power， 35（6）： 562- jissn. 1002-0799. 2024. 03. 013. Liu J， Liu G P， An J J， et al，
566. DOI： 10. 3969/j. issn. 1006-4729. 2019. 06. 009. 2024. Correction method of model temperature forecast based on
陈昱文， 黄小猛， 李熠， 等， 2020. 基于 ECMWF 产品的站点气温预 machine learning［J］. Desert and Oasis Meteorology， 18（3）： 96-
报集成学习误差订正［J］. 应用气象学报， 31（4）： 494-503. 104. DOI： 10. 12057/jissn. 1002-0799. 2024. 03. 013.
DOI： 10. 11898/1001-7313. 20200411. Chen Y W， Huang X M， 刘军中， 2021. 基于机器学习的最大风速预测系统研究与实现［D］.
Li Y， et al， 2020. Ensemble learning for bias correction of station 南昌： 南昌大学 . Liu J Z， 2021. Research and implementation of
temperature forecast based on ECMWF products［J］. Journal of maximum wind speed prediction system based on machine learn‐
Applied Meteorological Science， 31（4）： 494-503. DOI： 10. ing［D］. Nanchang： Nanchang University.
11898/1001-7313. 20200411. 刘新伟， 黄武斌， 蒋盈沙， 等， 2021. 基于 LightGBM 算法的强对流
冯良敏， 周秋雪， 曹萍萍， 等， 2023. 四川地区气温转折过程 2m 温 天气分类识别研究［J］. 高原气象， 40（4）： 909-918. DOI： 10.
度变化订正研究［J］. 干旱气象， 41（1）： 164-172. DOI： 10. 7522/j. issn. 1000-0534. 2020. 00075. Liu X W， Huang W B， Ji‐
11755/j. issn. 1006-7639（2023）-01-0164. Feng L M， Zhou Q ang Y S， et al， 2021. Study of the classified identification of the
X， Cao P P， et al， 2023. Study of 2 m temperature variation cor‐ strong convective weathers based on the LightGBM algorithm
rection during transitional processes of temperature in Sichuan ［J］. Plateau Meteorology， 40（4）： 909-918. DOI： 10. 7522/j.
［J］. Journal of Arid Meteorological， 41（1）： 164-172. DOI： 10. issn. 1000-0534. 2020. 00075.
11755/j. issn. 1006-7639（2023）-01-0164. 南东亮， 王维庆， 王海云， 2019. 基于消息队列的 LightGBM 超参数
冯良敏， 周秋雪， 康岚， 2019b. 四川地区 EC 细网格模式 2m 温度偏 优化［J］. 计算机工程与科学， 41（8）： 1360-1365. DOI： CNKI：
差 订 正 研 究［J］. 高 原 山 地 气 象 研 究 ， 39（1）： 34-40. DOI： SUN： JSJK. 0. 2019-08-004. Nan D L， Wang W Q， Wang H Y，
10. 3969/j. issn. 1674-2184. 2019. 01. 006. Feng L M， Zhou Q 2019. LightGBM hyperparameter optimization based on message
X， Kang L， 2019. Study on 2m temperature bias correction of queue［J］. Computer Engineering and Science， 41（8）： 1360-
EC model in Sichuan Province［J］. Plateau and Mountain Meteo‐ 1365. DOI： CNKI： SUN： JSJK. 0. 2019-08-004.
rology Research， 39（1）： 34-40. DOI： 10. 3969/j. issn. 1674- 宁晓菊， 秦耀辰， 崔耀平， 等， 1999. 60年来中国农业水热气候条件
2184. 2019. 01. 006. 的时空变化［J］. 地理学报， 70（3）： 364-379. Ning X J， Qin Y
冯良敏， 周秋雪， 陈朝平， 等， 2019a. 四川地区多模式 2m 温度预报 C， Cui Y P， et al， 1999. The Spatio-temporal change of agricul‐
性能分析及集成方法研究［J］. 高原山地气象研究， 39（2）： 30- tural hydrothermal conditions in China from 1951 to 2010［J］. Ac‐
36. DOI： 10. 3969/j. issn. 1674-2184. 2019. 02. 005. Feng L M， ta Geographica Sinica， 70（3）： 364-379.
Zhou Q X， Chen C P， et al， 2019. Performance analysis and 孙敏， 袁慧玲， 杜予罡， 2018. 上海地区春季最高气温预报失败案
study on integrated method of multi-model 2m temperature in Si‐ 例分析［J］. 气象， 44（1）： 65-79. DOI： 10. 7519/j. issn. 1000-
chuan Provinc［J］. Plateau and Mountain Meteorology Research， 0526. 2018. 01. 006. Sun M， Yuan H L， Du Y G， 2018. Analysis
39（2）： 30-36. DOI： 10. 3969/j. issn. 1674-2184. 2019. 02. 005. of the spring maximum 2 m temperature forecast failure in Shang‐
符娇兰， 代刊， 2016. 基于 CRA 空间检验技术的西南地区东部强降 hai［J］. Meteorological Monthly， 44（1）： 65-79. DOI： 10. 7519/
水 EC 模式预报误差分析［J］. 气象， 42（12）： 1456-1464. DOI： j. issn. 1000-0526. 2018. 01. 006.
10. 7519/j. issn. 1000-0526. 2016. 12. 003. Fu J L， Dai K， 2016. 谭江红， 陈伟亮， 王珊珊， 2018. 一种机器学习方法在湖北定时气
The ECMWF model precipitation systematic error in the east of 温预报中的应用试验［J］. 气象科技进展， 8（5）： 46-50. DOI：
southwest China based on the contiguou［J］. Meteorological 10. 3969/j. issn. 2095-1973. 2018. 05. 006. Tan J H， Chen W L，
Monthly， 42（12）： 1456-1464. DOI： 10. 7519/j. issn. 1000- Wang S S， 2018， Using a machine learning method for tempera‐
0526. 2016. 12. 003. ture forecast in Hubei Province［J］. Advances in Meteorological
何珊珊， 蓝盈， 戚云枫， 2021. GRAPES-GFS 模式 2m 温度预报的最 Science Technology， 8（5）： 46-50. DOI： 10. 3969/j. issn. 2095-
优时窗滑动订正方法［J］. 气象科技， 49（5）： 746-753. DOI： 1973. 2018. 05. 006.