[发明专利]一种全过程耦合机器学习的中长期降水预报建模方法

摘要

本发明公开了一种全过程耦合机器学习的中长期降水预报建模方法，其包括以下步骤：S1，数据处理：收集实测降水、130项气象‑气候指数等资料，并确定预报结构；S2，因子筛选：提出一种基于拉普拉斯分数‑递归特征消除的因子筛选方法，并得到预报因子集；S3，模型构建：构建多种机器学习模型，并采用上述预报结构与预报因子集求取多套子预报结果；S4，多模型融合：提出一种基于改进堆叠法的多模型融合技术，输出最终预报结果。本发明将机器学习理论的最新研究成果应用于中长期降水预报的各个环节，理论依据充分，实际应用合理，能有效提高月‑季‑年尺度降水预报的准确度与可靠度。