基于机器学习的梅雨分型及其降水量预测研究

高佳琦; 李东宇; 曾燕; 吴诗杰

doi:10.20040/j.cnki.1000-7709.2025.20241717

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于机器学习的梅雨分型及其降水量预测研究

水文水资源与环境 | 更新时间：2026-02-25

- 基于机器学习的梅雨分型及其降水量预测研究
- 基于机器学习的梅雨分型及其降水量预测研究
- 水电能源科学 2025年第8期页码：1-5
- 作者机构：
  
  1. 水利部南京水利水文自动化研究所
  2. 中国气象科学研究院
  3. 南京气象科技创新研究院
  4. 中国气象局交通气象重点开放实验室
  5. 南京信息工程大学生态与应用气象学院
- 作者简介：
- 基金信息：
  
  中国气象服务协会气象科技创新平台项目(CMSA2023MC022);江苏省研究生科研与实践创新计划项目(KYCX24＿1475)
- DOI：10.20040/j.cnki.1000-7709.2025.20241717
  中图分类号： P457.6;TP181
- 纸质出版：2025
- 稿件说明：
移动端阅览
高佳琦, 李东宇, 曾燕, 等. 基于机器学习的梅雨分型及其降水量预测研究[J]. 水电能源科学, 2025,(8):1-5.

高佳琦, 李东宇, 曾燕, et al. 基于机器学习的梅雨分型及其降水量预测研究[J]. 2025, (8): 1-5.
高佳琦, 李东宇, 曾燕, 等. 基于机器学习的梅雨分型及其降水量预测研究[J]. 水电能源科学, 2025,(8):1-5. DOI： 10.20040/j.cnki.1000-7709.2025.20241717.

高佳琦, 李东宇, 曾燕, et al. 基于机器学习的梅雨分型及其降水量预测研究[J]. 2025, (8): 1-5. DOI： 10.20040/j.cnki.1000-7709.2025.20241717.

摘要

梅雨是我国江淮地区夏季重要的气候现象。以江淮梅雨降水量的空间分布特征及其预报因子为研究对象，利用自组织映射(SOM)算法将1951～2016年梅雨按江南区、江淮区及长江中下游三个区域降水量进行聚类分析，将1951～2010年梅雨量和预报因子作为训练集，建立预测2011～2016年三个区域梅雨降水量的支持向量机(SVM)模型。结果表明，1951～2016年梅雨期降水量分为9种SOM分型，其总体平均轮廓系数为0.50

分型效果好；SVM预测模型对2011～2016年降水量正常或偏少的梅雨预报及降水量趋势预报效果好。梅雨分型研究对防汛及防灾减灾工作具有较好的指导意义。

Abstract

关键词

Keywords

references

祁莉,何金海,张祖强,宋金暖.纬向海陆热力差异的季节转换与东亚副热带季风环流[J].科学通报,2007(24).

熊秋芬,曾晓青.SVM方法在降水预报中的应用及改进[J].气象,2008(12).

任晓玥,王伟,周可.1979-2017年江淮梅雨降水变化及一次典型事件特征分析[J].成都信息工程大学学报,2019(06).

张子涵,沈翊,刘汉华.2008年浙江省梅雨期强降水特征分析[J].气象与环境科学,2008(S1).

卓鸿.1954与1991年江淮地区洪涝的环流特征分析[J].山东气象,1992(03).

Teuvo Kohonen.Self-organized formation of topologically correct feature maps[J].Biological Cybernetics,1982(1).

Classification of synoptic patterns in the western Arctic associated with extreme events at Barrow, Alaska, USA[J].Climate Research,2006.

浏览量

186

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多源气象资料与机器学习的降水数据质量控制方法研究

基于VMD的供水管道漏损检测研究

CEEMDAN分解与机器学习耦合模型在林海水库入库径流预报中的多尺度适用性分析

大型水轮发电机定子绕组温度智能预测方法

基于Stacking集成框架的预报降水统计后处理研究