一种基于机器学习的CMIP日尺度降水数据模式集合生成方法

本发明公开一种基于机器学习的CMIP日尺度降水数据模式集合生成方法，包括以下步骤：步骤1、收集数据：收集研究区域历史日尺度降水数据；步骤2、构建训练样本：将中心栅格与筛选后周边栅格的多模式月尺度降水数据和降水年内分布特征为样本特征，对应观测降水数据为样本标签，构建训练样本；步骤3、模型训练：以步骤2构建的训练样本逐栅格训练随机森林回归模型；以历史日尺度有无雨数据作为训练样本逐栅格训练随机森林分类模型；步骤4、生成日尺度降水数据模式集合：基于有雨日的月内降水权重，将月尺度降水数据展布到日尺度降水数据。本发明所述方法考虑了不同模式之间的性能差异，能够更加准确的反映时空异质性，有效提高了模拟精度。