Page 67 - 《高原气象》2026年第5期
P. 67

5 期               王卓元等:基于梯度提升机器学习算法的黄河源区降水反演模型及应用研究                                        1283




































































                                          图11 2023年7月2 -3日降水过程单站逐小时降水量
                           Fig. 11 Hourly precipitation at a single station during the precipitation event from 2 to 3 July 2023
               5  结论                                             数据还是站点降水数据, 其模型对于训练集样本均
                                                                 有 100% 的精确率, 同时对测试及样本的准确率均
                   本研究通过利用极度梯度提升机器学习算法,                          在 80% 以上; 在特定区域建立的反演模型针对性更

               结合风云四号 A 星数据, 估算了黄河源区降水的时                         强, 与多种降水产品在黄河源区的准确率相当, 与
               空分布, 并利用个例验证反演模型在黄河源区的适                           全国范围的反演模型相比准确率更高。
               用性。结果表明:                                             (2)  基于 XGBoost 算法构建的回归模型对于
                  (1)  基于 XGBoost 算法构建的分类模型用于                    不同降水样本的表现具有差异性, 使用格点降水数
               判断是否发生降水具有优秀的表现: 无论格点降水                           据训练模型时, 模型的拟合程度更高, 训练集样本
   62   63   64   65   66   67   68   69   70   71   72