570 / 2026-03-23 10:15:00

基于机器学习方法的南极近地面短期风速预测

风速；机器学习；南极

主题1 天气、气候、全球变化、行星大气 > 专题1.3 人工智能在大气海洋中的应用

南极地区风能资源丰富，但受观测稀缺及复杂动力过程影响，风速预报存在显著系统偏差，且误差在复杂地形与大风条件下更为突出。基于此，本文使用了一种新的组合模型来加强南极短期风速预报。该方法融合ECMWF IFS HRES预报相关地面和高空数据变量、REMA地形数据作为LightGBM、CatBoost和XGBoost算法的输入，然后采用叠加集成技术将上述基本模型进行有效结合。经评估，堆叠模型效果最好，与ECMWF预报数据相比，叠加模型将风速等级预测准确率由 30% 提升至 41.1%，RMSE 降低 38%，并在多个站点验证中表现出良好的泛化能力，这些发现证明了该方法能够有效提升南极短期风速预报性能，并具有良好的应用潜力。