28 / 2021-08-10 19:58:21

基于随机森林重构地面超精细风速场——以北京市为例

机器学习,随机森林,重构,地面风速,无网格

       风是一个具有重要应用意义、同时影响因素又十分复杂的基本大气物理量，如何快速、准确地获得超高分辨率的地面风速是风速应用中迫切需要解决的问题。本文提出了一种利用随机森林算法重建区域内任意点风速的新方法。本文利用北京市226个气象观测站点近5年的观测数据构建了训练-评估样本集，并完成了模型的构建与评估。我们将此模型与经典插值方法——反距离权重法（IDW）进行了对比，结果显示随机森林模型相较于IDW误差降低了23%（RMSE）。从特征重要性分析角度来说，模型预测能力源于风速背景场（44%）、地理空间信息（22%）、其他气象变量（27%）构成。

       这种方法有如下优势：首先，该方法摆脱了固定函数和线性方程组的约束，充分利用了随机森林算法的优点；其次，该方法思路简单，运行速度较快，数据要求低，比经典的对比方法逆距离加权(IDW)精度更高。因此，该方法有潜力成为机器学习-风重构领域一种新的对照方法。第三，该模型能够有一些能力解释其预测效果背后的机制。除此以外，此模型对于数据的兼容性使得其具有很大的可扩展性，对于针对不同的应用情景做相应的变换。