Page 287 - 《高原气象》2026年第3期
P. 287

3 期             黄   蕾等:基于LightGBM算法的陕西关中地区能见度分级预报及可解释性分析                                   895
               元线性回归、 多元动态逐步回归方法等(刘炳杰,                           慧等 , 2024; 叶宇辰等 , 2024)。其中 LightGBM
               2010; 邢楠等, 2020; 赵翠光等, 2022), 但其依赖               (Light Gradient Boosting Machine)作为高效的梯度
               预设的函数关系框架, 难以精准刻画变量间复杂的                           提升决策树框架, 通过 Leaf-wise 树生长策略和直
               非线性关联(白永清等, 2016), 且对历史样本外的                       方图优化算法, 在处理高维非平衡数据时兼具精度
               天气场景泛化能力不足。在数值模式中的能见度                             与效率(Ke et al, 2017), 可满足实际业务应用高效
               预报通常通过云水含量、 湿度及降水等物理量诊断                           的需求。余东昌等(2021)的对比试验表明, Light‐
               得出(Gultepe and Milbrandt, 2010), 而低能见度天           GBM 对极端低能见度事件的捕捉能力优于传统神
               气是大气边界层中, 动量、 热量、 水汽的湍流运                          经网络; 基于 LightGBM 建立的能见度预报模型在
               动、 污染物累积等复杂过程的综合结果(谢超等,                           京津冀、 华东、 华南、 豫南、 西南等地区均有较好
               2024), 且在不同区域、 不同季节、 不同天气背景下                      的预报效果(王志宇, 2019; 余东昌等, 2021; 张庆
               影响低能见度事件出现的气象要素不同, 其相关关                           等 ,  2024;  王 璐 璐 和 潭 江 红 ,  2024;  殷 齐 娥 等 ,
               系也不同(张霞等, 2024), 因此用固定的诊断方程                       2025)。另外, 高空、 地形、 污染物浓度等多源数据
               预报不同区域、 时间的能见度时存在局限性, 使得                          的加入可以让机器学习模型的能见度预报准确率
               数值模式的能见度预报准确率较低(赵翠光等,                             显著提高(殷美祥等, 2023; 张庆等, 2024)。
               2022)。                                                机器学习模型在多种气象要素预测与订正任
                   自 20 世纪 80 年代以来, 以人工神经网络和支
                                                                 务中给出了较好的预测结果, 但预报员却难以分析
               持向量机(Support Vector Machine, SVM)为代表的
                                                                 这些复杂预测过程与客观事实的相符程度。而基
               人工智能方法因其强大的自学习和处理非线性问
                                                                 于合作博弈论的机器学习模型可解释性框架 SHAP
               题的能力, 开始逐渐应用到数值预报产品释用及气
                                                                (SHapley Additive exPlanations)可通过模拟特征的
               象要素预报领域(张承福, 1994), 尤其在能见度预
                                                                 边际贡献, 实现对模型预测结果的全局与局部解
               报 这 类 非 线 性 问 题 方 面 优 势 显 著 。 马 学 款 等
                                                                 释, 量化每个特征对模型预测结果的贡献(Lund‐
              (2007)通过动态学习率 BP 算法提升了浓雾预报准
                                                                 berg et al, 2020; 王书苏等, 2025), 让机器学习从
               确率; 冯汉中等(2006)证实 SVM 模型预测的低能
                                                                “黑箱预测”转向“可解释的物理建模”。目前,
               见 度 TS 评 分 显 著 高 于 其 自 然 频 率 ;  郑 朝 霞 等
                                                                 LightGBM 算法在关中地区的能见度客观预报方面
              (2016)构建的霾识别 SVM 分类模型, 正样本 TS 评
                                                                 尚未得到实践与应用, 同时针对气象要素预报的模
               分超 0. 65。李沛等(2012)通过“分类+优化”的逐级
                                                                 型SHAP可解释性分析研究也未开展。
               建模方法增强人工神经网络模型的分类识别能力,
                                                                     关中盆地地处秦岭与黄土高原之间, 形成独特
               使能见度分级预报的准确率有较大的提升。然而,
                                                                 的半封闭“喇叭口”地形格局, 常年风速较小, 水汽
               这些早期人工智能方法存在明显短板, 人工神经网
                                                                 与大气污染物积聚在近地表不易扩散(刘瑞芳等,
               络采用梯度下降的局部搜索策略, 使其在面对复杂
                                                                 2017), 低能见度天气多发。本文利用多源数据对
               非线性问题时, 极易收敛到局部最优解, 稳定性不
                                                                 关中地区的低能见度天气特征进行统计分析, 筛选
               足制约了其业务应用(艾洪福和石莹, 2015; 马楚
                                                                 预报因子, 基于 LightGBM 方法构建陕西关中地区
               焱等, 2015)。而 SVM 对核函数的选取存在强烈依
               赖性(冯汉中等, 2006), 缺乏普适性参数配置, 预                      能见度分级预报模型, 实现能见度客观分级预报,
                                                                 并通过结合 LightGBM 与 SHAP 解释模型, 更清晰
               报值往往集中在一定范围内, 对能见度极值捕捉能
                                                                 地识别和理解关中地区低能见度天气的主要影响
               力较弱(郑朝霞等, 2016), 另外 SVM 物理意义模
                                                                 因素, 提高模型可解释性, 以期为关中地区低能见
               糊, 难以解释低能见度形成机制, 限制了其泛化能
                                                                 度天气的预报和服务提供科学依据。
               力(朱蕾和朱国栋, 2010)。近 10 年来得益于计算
               能力的提升与大数据的支撑, 人工智能领域飞速发                           2  数据来源与方法介绍
               展, 集成学习作为机器学习领域的前沿方向, 成为
               研究热点。其核心思想是将多个基础学习器通过                             2. 1 数据来源
               特定方式进行集成组合, 利用它们之间的优势互                                本文用于特征统计分析及模型训练的数据为:
               补, 以获取比单一模型更精准的拟合效果和更低的                           2022 -2024 年陕西关中 5 个地市(西安、 咸阳、 宝
               误差(Breiman, 1996, 2001), 相关算法在天气预报                鸡、 渭南、 铜川)共 44个国家基本气象站(太白站与
               技术研究中得到了有效应用(贺倩等, 2022; 孙康                        华山站为高山站不列入)的逐时常规地面观测资料
   282   283   284   285   286   287   288   289   290   291   292