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
   285   286   287   288   289   290   291   292   293   294   295