基于机器学习的大雾天气背景下特强浓雾本地化诊断研究

低能见度的大雾天气是造成许多交通事故的重要气象灾害。极低能见度的强浓雾预报预测是气象工作中的难点问题。利用连云港地区2014-2016年逐小时气象观测资料,选取大雾发生时次,基于机器学习中的多种算法对能见度低于50 m特强浓雾建立气象要素诊断模型。结果表明:基于CART决策树算法的诊断模型能够较为直观准确的对强浓雾进行诊断,并且该模型具有较高的泛化能力,利用约占研究样本75%的数据进行学习,模型的学习准确率为90.04%,剩余25%左右的样本数据对模型的泛化能力进行测试,测试准确率为82.25%;5种机器学习算法中LSVM算法对于特强浓雾的诊断模型测试效果最好,但算法可理解度较低、复杂度较高,不如CART算法易于使用。