Page 290 - 《高原气象》2026年第3期
P. 290
高 原 气 象 45 卷
898
框架, 采用 Leaf-wise树生长策略、 直方图优化算法 2. 4 SHAP方法介绍
及 Gradient-based One-Side Sampling(GOSS)等 技 尽管机器学习模型在预测性能上表现较好, 但
术, 在保持高精度的同时显著提升训练效率, 尤其 难以解释其内部决策过程, 而基于合作博弈论框架
适 用 于 处 理 高 维 、 非 平 衡 数 据 场 景(Ke et al, 的 SHAP方法可通过分配特征的重要性值来解释模
2017)。本研究采用 LightGBM 构建能见度分级预 型的输出(王书苏等, 2025)。该方法通过计算特征
报模型, 通过设置 num_leaves、 max_depth 等参数 变量的 SHAP 值, 系统评估各变量对模型预测结果
的边际贡献效应(Lundberg et al, 2020)。具体计算
平衡模型复杂度, 并结合早停机制避免过拟合。
公式如下:
能见度为不连续的非正态分布变量(赵翠光
|S|!( F-|S|-1)!
等, 2022), 由于高能见度区间样本过大, 在使用回 Φ i = ∑ [ f S∪{ i } ( x S∪{ i } )−f S ( x S ) ]
S⊆F { i } F!
归方法时对小概率但高影响的低能见度事件存在
(1)
低估。本研究将能见度(VIS)按表 2 进行分级处
式中: Φ i 表示第i个特征变量的SHAP值, 它代表该
理, 将问题转化为多分类任务进行训练和预报。
要素对能见度模拟结果的贡献; F 为全特征变量集
表2 能见度分级 合, 代表预测模型函数; S 为不包含目标特征 i的任
Table 2 Visibility classification 意特征子集; f ( x ) - f S ( x S )分别为模型在包
S ∪ { } i S ∪ { } i
分级 能见度(VIS)/km 含特征 i 及子集 S、 仅包含子集 S 时的能见度预测
0 ≤1 值, 二者差值表征特征 i 在特定特征组合下的边际
)
|
1 1<VIS≤2 | | S ! ( F - | S - 1 !
影响; 权重项 通过组合数学原
2 2<VIS≤5 F!
3 5<VIS≤10 理, 对所有可能的特征子集进行等概率加权, 确保
每个特征组合的贡献被公平量化, 即通过枚举所有
4 >10
不包含目标特征的子集, 逐次计算特征 i 加入前后
从前期分析中可知, 关中地区低能见度天气主 的预测差异, 并按子集出现概率加权求和, 最终得
要在秋冬季, 为强化训练样本中低能见度天气的代 到该特征对能见度预测的全局平均贡献。正值(负
表性, 本研究选取2022 -2024年1 -3月及10 -12月 值)表明该气象要素对能见度模拟结果有正向(负
的数据进行模型训练。在模型训练阶段, 运用网格 向)影响, 从而实现对复杂模型中各变量影响的科
搜索(Grid Search)方法进行超参数优化, 同时为提 学解释。
升模型的泛化能力并有效规避过拟合风险, 采用 5 2. 5 检验评估指标
折交叉验证(5-fold Cross-Validation)机制, 通过多 本研究采用 POD(Probability of Detection, 命
中率)、 FAR(False Alarm Rate, 误报率)和 TS 评分
次训练与验证迭代, 确保超参数优化结果的稳健性
(Threat Score)作为模型预报效果评估指标, 基于
与可靠性。根据训练结果确定的最佳参数组合
2×2 列联表(包含命中次数 Hits、 漏报次数 Misses、
见表3。
空报次数 False alarms、 正确否定次数 Correct Nega‐
表3 LightGBM能见度分级预报模型主要参数
tives 4 类结果)量化能见度分级预报性能, 计算公
Table 3 Main parameters of LightGBM visibility
式如下:
classification forecasting model Hits
POD = (2)
参数名称 参数值 Hits + Misses
提升迭代轮数/个 10000 False alarms
FAR = (3)
叶子节点数/个 80 Hits + False alarms
Hits
叶子节点最小样本数/个 20 TS = (4)
Hits + Misses + False alarms
学习率 0. 05
以上指标取值范围均为 0~1, 其中 POD 反映模
树最大深度 15
型对实际发生此类天气事件的检测能力, 为命中次
提升类型 gbdt 数与实际发生事件数的比值; FAR 用于衡量空报比
特征采样比例 0. 8 例; TS数值越高表明模型对此类天气预报准确性越
样本采样比例 0. 9 高; POD、 TS 数值越高, FAR 越低, 模型预报效果

