基于SVD与机器学习的华南降水预报订正方法

降水是在多种天气系统和复杂物理过程的共同影响下形成的，因此很难预测降水量。由于数值预报模型的局限性，模型存在一定的误差。为了探索一种更有效的模型预测产品误差修正方法，基于奇异值分解（SVD）和机器学习（多元线性回归、Lasso回归和岭回归）构建了修正模型。对2007年4月1日至6月30日华南前汛期欧洲天气预报中心（EC）降水模型进行了误差修正试验。结果表明，基于SVD和机器学习相结合的修正模型可以有效地降低华南EC模式降水量的预测误差。均方根误差最大优化率为4.2%，69%以上的台站进行了不同程度的优化。改进后的SVD和机器学习模型能较好地处理因子间的共线性问题，具有较好的鲁棒性，均方根误差优化率为5.7%，已优化77%以上的台站。显然，加权积分法的校正效果不仅优于EC模型，而且优于积分中涉及的任何校正模型。