王證帥 呂巧誼,2 張 偉,2 鄭 輝,2 陳德花,2

(1.廈門市海峽氣象開放重點實驗室，福建 廈門 361012；2.廈門市氣象臺，福建 廈門 361012)

1 研究背景

數(shù)值天氣預報是當前氣象預報最重要的手段之一，它主要以物理模擬來實現(xiàn)對環(huán)境大氣趨勢的預測，但數(shù)值天氣模式也存在一定的不準確性和一些系統(tǒng)性的偏差，從而導致天氣預測不夠準確。造成偏差的主要原因有經(jīng)驗化的參數(shù)化方案的誤差、模式動力系統(tǒng)的不準確性、初始場的誤差等。為了減少數(shù)值模式帶來的誤差，蘇志重等開展了多模式降水融合預報研究，融合產(chǎn)品能夠接近最優(yōu)確定性預報，但仍存在一定偏差[1]。近年來，人工智能技術越來越多地應用于天氣預報領域。基于數(shù)據(jù)驅動的機器學習算法，是從大量數(shù)據(jù)中通過融合多維數(shù)據(jù)作為特征輸入進行建模，以此來訓練預測模型，與傳統(tǒng)統(tǒng)計學方法具有較大差異，其使用的是算法模型，犧牲了可解釋性，提高預測的準確率。

國內外一些領先的氣象業(yè)務科研機構，如歐洲中期天氣數(shù)值預報中心、中國氣象科學研究院等，均已開展AI技術在氣象領域的應用，包括觀測數(shù)據(jù)質量控制、災害性天氣監(jiān)測和識別、短時臨近預報、資料同化等[2-10]。越來越多的氣象科研工作者開展了一系列基于數(shù)值預報的客觀應用方法。例如，譚江紅等利用湖北省氣象站地面觀測溫度與歐洲中心再分析資料，建立了LightGBM模型，較數(shù)值預報模式產(chǎn)品提升明顯[11]。任萍等初步研發(fā)了一套基于機器學習方法XGBoost且考慮地形特征影響的數(shù)值預報多模式集成技術，有效降低模式的系統(tǒng)性誤差[12]。孫全德等基于三種機器學習算法(LASSO回歸、隨機森林和深度學習)，對數(shù)值天氣預報模式ECMWF預測的華北地區(qū)近地面10 m風速進行訂正[13]。馬景奕等提出了一種基于長短期記憶神經(jīng)網(wǎng)絡的氣象要素預測方法，進一步提升了氣象預測的準確性[14]。蔣薇等通過對比不同機器學習方法對江蘇省夏季降水開展預測試驗，發(fā)現(xiàn)深度神經(jīng)網(wǎng)絡較傳統(tǒng)統(tǒng)計方法和其他機器學習方法有一定優(yōu)勢[15]。

在氣象大數(shù)據(jù)的時代背景下，機器學習技術通過足夠多的數(shù)據(jù)驅動，獲取足夠多的觀測模型的準確性。為進一步在實際的預報業(yè)務中挖掘數(shù)值模式預報產(chǎn)品信息，提升降水預報的準確性。本文提出一種基于集成學習XGBoost模型的降水客觀預報方法(以下簡稱為客觀預報方法)，通過決策專家系統(tǒng)對氣象要素特征進行提取和預處理，使用機器學習的方法對歷史數(shù)據(jù)進行訓練，從而實現(xiàn)對本地區(qū)的降水進行客觀預報。

2 數(shù)據(jù)選取

2.1 數(shù)據(jù)資料

本文選取2019年1月1日—2020年12月31日08時和20時(北京時)的ECMWF全球模式的細網(wǎng)格產(chǎn)品(以下簡稱為ECMWF模式資料)和地面實況降水觀測資料，形成機器學習訓練樣本。其中，模式資料包含風、降水、氣溫等產(chǎn)品，預報時效為0～72小時，時間間隔為6小時，空間分辨率為0.125°×0.125°；地面實況降水觀測資料，選取福建省70個國家級自動站(見圖1)相應時段的逐6小時累積降水資料，作為降水實況真實值。同時，在2021年6月1日—2021年10月31日08時和20時(北京時)的實際預報業(yè)務中，采用福建省70個國家級自動站的實況資料，檢驗本文客觀預報方法的預報效果。

圖1 福建省70個國家級自動站點分布

2.2 預報因子

選取使用ECMWF模式資料輸出的大尺度降水(LSP)和對流性降水(CRAIN)、不同的天氣形勢、不同的溫度，500hPa位勢高度場、地面2m最高氣溫等，共選擇7個氣象要素場(見表1)，并將其作為機器學習算法的輸入，構建基于機器學習的客觀預報模型。

表1 ECMWF高分辨率數(shù)值預報因子列表

3 客觀預報方法

3.1 預報方法框架

本文提出了一種基于集成學習XGBoost模型的客觀預報方法，綜合考慮本地預報決策專家系統(tǒng)知識庫和集成學習XGBoost模型相結合，實現(xiàn)了基于ECMWF模式資料的客觀預報方法，實現(xiàn)了對福建省內70個國家級自動站點0～72小時降水預報。首先基于本地預報決策專家系統(tǒng)知識庫，對ECMWF模式資料輸出的各種要素特征進行數(shù)據(jù)預處理和特征選擇，獲得相關要素特征數(shù)據(jù)集，再以選擇的特征集進行機器學習建模，最后獲取福建地區(qū)70個站點的0～72小時預報結果?；诩蓪W習XGBoost模型的降水客觀預報方法整體架構設計見圖2。

圖2 基于集成學習XGBoost模型的降水客觀預報方法架構示意圖

客觀預報方法主要包含兩個部分：一是決策專家系統(tǒng)，二是集成學習XGBoost模型。決策專家系統(tǒng)主要用來對ECMWF模式資料的輸出進行選擇和預處理，提升資料的可用性和可靠性，經(jīng)過決策專家系統(tǒng)處理后的數(shù)據(jù)與地面雨量觀測值共同組成訓練數(shù)據(jù)集；集成學習XGBoost算法模型是利用訓練數(shù)據(jù)集，通過不斷訓練獲得的，在后續(xù)的預測過程中可以直接調用。

3.1.1 決策專家系統(tǒng)

本方法涉及到的預處理，主要分為降水落區(qū)訂正和降水強度訂正，其目的是對現(xiàn)有的模式輸出進行初步訂正，從而進一步提高用于機器學習模型訓練的數(shù)據(jù)集準確性。

降水落區(qū)訂正是基于ECMWF模式資料歷史資料、雷達歷史回波、地面雨量觀測經(jīng)驗，對降水落區(qū)進行調整，主要引入500hPa位勢高度和500hPa的引導氣流方向。將500hPa風向作為引導因子，對降水格點落區(qū)進行計算和調整，即增加500hPa風向來向，擴大進入模型的區(qū)域。

降水強度訂正是基于本地化氣候學經(jīng)驗，使用EC自帶的大尺度降水(LSP)和對流性降水(CRAIN)，分別選定閾值，進行消空，降低午后強對流的空報率，根據(jù)不同的天氣形勢、不同的溫度，選定不同的閾值。

3.1.2 集成學習模型

基于集成學習XGBoost的降水預報模型(見圖3)主要借鑒卷積和梯度提升決策樹的算法思想。該模型主要包含兩個部分：一是依托卷積進行空間特征提取，將格點數(shù)據(jù)通過卷積計算，獲得不同站點的關于降水預報的特征行向量；二是將卷積后得到的特征行向量，輸入梯度提升決策樹(XGBoost)模型，最后獲得對應時次的降水預報結果。

圖3 基于集成學習XGBoost的降水預報模型示意圖

3.2 預報方法描述

如圖4所示，客觀預報方法主要分為兩個過程，一是訓練過程，二是預測過程。訓練過程是獲取機器學習算法模型的過程，將ECMWF模式資料歷史數(shù)據(jù)進行決策專家系統(tǒng)訂正后，再與地面雨量觀測值一一對應，獲得訓練機器學習算法模型的數(shù)據(jù)集；將專家訂正后的ECMWF模式資料數(shù)據(jù)集作為模型輸入，地面雨量觀測值作為目標值，對預報方法模型進行訓練，最終獲得較優(yōu)的機器學習算法模型。預測過程是獲取對應時次降水預報值的過程，將當前時次ECMWF模式資料的數(shù)據(jù)進行決策專家系統(tǒng)訂正后，輸入到機器學習算法模型中，最終獲得對應時次的降水預報值。

(a)訓練過程示意圖 (b)預測過程示意圖圖4 基于集成學習XGBoost模型的降水客觀預報方法流程

訓練過程中，采用格網(wǎng)搜索法(Grid Search)進行參數(shù)調優(yōu)，為了評估模型的性能，對雨量使用平均絕對誤差作為損失函數(shù)，用來評估機器學習模型在訓練過程中的預報準確性。其詳細過程如下：

①決策專家系統(tǒng)選取特征值(見表1)，并進行數(shù)據(jù)預處理。本文選取了2019—2020年每日08時和20時(北京時)的預報資料，共計1462個模式預報數(shù)據(jù)。針對各種模式輸出資料，選取目標站點所在的格點，并取該格點相鄰的格點數(shù)據(jù)(共9個格點數(shù)據(jù))；根據(jù)500hPa的引導氣流方向，增加拓展區(qū)域格點；對數(shù)值預報格點中的空值和異常值進行處理。之后對各要素值進行歸一化處理，提升訓練運算速度。

②構造數(shù)據(jù)集，選用2019—2020年福建省70個國家級自動站相應時段的6小時累積降水資料，作為降水實況，與ECMWF模式資料的輸出一一對應，構造數(shù)據(jù)集，并按照8∶2比例劃分成訓練數(shù)據(jù)集和測試數(shù)據(jù)集。

目前市場環(huán)境下，專業(yè)培訓機構往往停留在理論和早期項目案例層面，真正對于EPC工程總承包實操層面的培訓機制非常缺失，還需要施工企業(yè)有專業(yè)化部門和力量來建設人才隊伍、培養(yǎng)并發(fā)展人才，而且企業(yè)自身要加強經(jīng)驗總結。

③集成學習模型訓練。將訓練數(shù)據(jù)集投入降水預報模型進行訓練，采用Adam優(yōu)化器，其中學習率為10-3，每個訓練周期的迭代次數(shù)為10000，獲得降水客觀預報模型。

④集成學習模型迭代驗證。降水預測過程是選取對應時次的模式資料，進行數(shù)據(jù)預處理(同訓練過程)，獲得預測輸入數(shù)據(jù)；將預測輸入數(shù)據(jù)集輸入到降水客觀預報模型中，獲得對應時次的降水預報值。最后，使用對應時次的地面雨量觀測值，評估預測模型的準確性。

4 檢驗與評估

本文開展檢驗評估時，將客觀預報方法預報的站點降水量、ECMWF模式預報的降水量，分別與相應觀測站的實況雨量進行對比檢驗。其中，ECMWF模式預報的降水量是通過經(jīng)緯度選取最近的格點數(shù)據(jù)，插值到對應的站點上。評估檢驗方法，采用傳統(tǒng)二分類檢驗方法。

檢驗評估分別對08時、20時(北京時)起報的24小時預報時效進行逐6小時降水預報檢驗，48小時和72小時預報時效進行逐24小時降水預報檢驗。對于24小時預報，大雨以25mm為標準；對于6小時預報，以10mm為標準。

4.1 晴雨預報準確率

晴雨預報準確率計算公式為：

(1)

式(1)中，NA為有降水預報正確站(次)數(shù)，NB為空報站(次)數(shù)、NC為漏報站(次)數(shù)，ND為無降水預報正確的站(次)數(shù)。EH的值取值范圍為0%～100%，越接近100%，代表預報效果越好。

4.2 大雨以上降水預報TS評分

TS評分的計算公式為：

(2)

式(2)中，NA為有降水預報正確站(次)數(shù)，NB為空報站(次)數(shù)、NC為漏報站(次)數(shù)。同樣，TS的取值范圍為0%～100%，越接近100%，代表預報效果越好。

2021年6—11月，客觀預報方法的晴雨預報準確率對比分析的檢驗評估見圖5。客觀預報方法和ECMWF模式資料預報站點的晴雨準確率結果顯示，客觀預報方法的預報結果明顯優(yōu)于ECMWF模式資料預報結果。

圖5 晴雨預報準確率對比分析

2021年6—11月，客觀預報方法的大雨以上預報TS評分對比分析見圖6。各預報時次中，預報站點的大雨以上TS評分檢驗情況在24h之內的客觀預報方法效果提升幅度明顯，其他時次客觀預報方法的預報結果相較于ECMWF模式資料預報的結果，也有大幅提升。

圖6 大雨以上預報TS評分對比分析

5 結論

基于集成學習XGBoost模型的降水客觀預報方法與本地預報決策專家系統(tǒng)相結合，利用集成學習XGBoost模型，深度挖掘數(shù)值模式ECMWF模式資料的降水產(chǎn)品信息，將多種氣象要素特征應用在降水預報上。結果表明，該方法有效提升了ECMWF模式資料的預報結果，提升降水的預報準確率，在業(yè)務應用中取得了良好效果。

該方法在使用過程中也存在一些問題。例如，預測的準確率還有上升空間，數(shù)值模式資料及氣象要素特征的選擇，機器學習模型及算法的選擇、參數(shù)的調整等，還需要大量實踐分析。建議今后進一步挖掘數(shù)值模式預報產(chǎn)品信息，提升客觀預報方法的準確性。