气象学论文_基于机器学习算法的精细化流场模拟 - 决策与信息杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 决策与信息

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

气象学论文_基于机器学习算法的精细化流场模拟

作者:

关键词:

摘要：

文章摘要:基于决策树和随机森林两种机器学习算法，以长沙市国控站气象观测数据和WRF模式模拟得到的风场数据构建数据集，对WRF预报长沙市城区风场数据进行优化.同时，利用树模型特征选择法，筛选对近地面风场数据有重要影响的气象要素，将其作为两种机器学习算法的输入，并利用网格搜索法进行调参建模.最后，将训练结果与地面观测数据进行对比评估模型的性能，开展长沙市城区风场短时预报应用研究.结果表明：相比于WRF模式，随机森林模型和决策树模型的均方根误差平均降低34%和17%，平均绝对误差平均降低33%和13%，相关系数平均提高26%和19%，风向预报准确率平均提高1%和17%；随机森林模型和决策树模型可成功模拟风场日变化特征，而且刻画的风场空间变化特征更为精细，能很好地描述城区内大气污染物随时间的动态变化特征.这表明构建的机器学习风场模型具有较好的模拟性能，可应用于空气质量改善及环境风险评估等方面的研究，显示出机器学习方法在提升风场预报方面的潜力.

文章关键词:

项目基金:《决策与信息》网址: http://www.jcyxxzz.cn/qikandaodu/2022/0110/1539.html