摘要
本发明提供了一种基于机器学习的气温模式预测质量评估方法、装置及设备,获取研究区域的气温预报格点数据和气温实况格点数据,并对气温预报格点数据和气温实况格点数据进行时空匹配,以得到样本数据;提取样本数据的初始特征集和样本标签;其中,初始特征集包括模式预报特征、时间特征和地理空间特征;对初始特征集与样本标签进行相关性分析,以将不满足相关性条件的特征从初始特征集中剔除,得到目标特征集;利用目标特征集和样本标签对气温模式预测误差估计模型进行训练,以利用气温模式预测误差估计模型对待处理气温预报格点数据进行气温模式预测质量评估。本发明可以显著提高对气温模式预测进行质量评估的精度,进而提高气温预报的准确率。
技术关键词
预测误差
时效特征
季节特征
模式
计算机可执行指令
样本
预报误差
标签
XGBoost模型
学习器
处理器
可读存储介质
指标
数据获取模块
评估装置
分析模块
存储器
电子设备
系统为您推荐了相关专利信息
电源板
电池充电系统
充电底座
充电芯片检测
节点
多源观测数据
资源监测方法
分辨率
风能资源监测装置
卫星观测数据