基于随机森林算法的芜湖市冬季气温预测模型

【作者】 付伟； 文想成； 李文； 李鸾；

【机构】 芜湖市气象局；

【摘要】 芜湖市地处南北气候过渡带,对于冬季气温的变化非常敏感,且冬季气温对于农业生产、城市能源保供、运行都非常重要。为丰富本地的冬季气温预测客观预报方法,基于芜湖市国家气象观测站逐月平均气温数据,以1991-2020年为气候基准期,使用线性趋势、Mann-Kendall检验方法分析了芜湖市冬季气温的气候特征,并以冬季前期国家气候中心大气环流和海温指数(气候指数)为自变量,借助随机森林算法构建了冬季气温预测模型。结果表明:(1)芜湖市冬季多年平均气温5.5℃,冬季及其各月平均气温均呈显著上升趋势。冬季平均气温1985年之前为不显著降低和升高的震荡阶段,1986-1987年出现突变后转为升高状态,1994年起进入显著升高状态至今;12月平均气温1988年之前为不显著升高和降低震荡阶段,1989年起进入升高状态;1月平均气温1964年后基本处于升高状态,1989年后均为显著升高,突变点在1986-1987年;2月平均气温上世纪50年代降低,60年代中前期升高,60年代后期至1992年降低,变化均不显著,1991-1992年出现突变后转为升高状态,其中2002年之后显著升高。(2)在建模前,预留2023、2024年的冬季气温数据不参与建模,待建模后验证模型预测规则在实际业务中的准确性和可用性。建模时,考虑到建模数据的滞后性,首先筛选出前一年10月至当年9月与冬季气温显著相关的651项气候指数作为自变量,并基于气温距平分级(如偏高0～0.5℃、偏低1.0～1.5℃等),将目标变量转换为9类分类数据。继而采用随机森林算法(SPSS Modeler软件,最大树深度10、最小子节点5),由于多个分类数量不足10个,影响建模效果,因此通过分组建模策略,输出9类冬季分类气温的预测规则。模型结果显示:所有规则的规则准确性与森林准确性均达100%,拟合准确率介于48%～80%。关键预测因子为12月北半球副高强度指数、5月极涡中心纬向位置指数及5月副高面积指数,表明前期副热带高压与极地冷空气活动对冬季气温具有核心影响。预留2023年及2024年数据检验表明:2023年预测结果为"偏低0～-0.5℃"(实况4.9℃,较基准偏低0.63℃),定性正确且定量误差仅0.13℃;2024年预测"偏高0～0.5℃"(实况5.7℃,偏高0.20℃),定性与定量均完全正确,验证了模型在实际业务中的可用性。(3)未来研究需扩充区域气候模式输出数据以优化自变量体系,针对≥2.0℃等极端气温分类样本不足的问题加强长期数据积累,并探索融合LSTM等深度学习算法提升对复杂气候系统的模拟能力。更多还原