基于多种机器学习的大雾预报方法研究

本文利用九江区域2003-2022年的国家站观测数据及欧洲中期天气预报中心提供的ERA5再分析资料,研究多种机器学习进行大雾预报的准确率并对九江大雾的年、月变化特征,为气象部门预报和交通部门道路预警提供参考。结果表明,一相比于其他七种模型,K近邻法模型在我们的数据集上具有更好的的预测准确性,当参数为{'n_neighbors': 15, 'p': 1, 'weights': 'distance'}时,具有最好的准确性,达到了99.4166%,880个大雾天气命中了483个,准确率达到了54.886363%。二自2003年以来,九江地区的大雾日数呈逐渐增加的趋势,其中在2014年至2015年期间出现了明显的上升波动,大雾天气主要集中在1、2、3、11、12这五个月份,占总大雾天数的71.64%。