기계 학습을 이용한 동결우박 예보 개선

동결우박은 세계 많은 지역에서 겨울이나 이른 봄에 가장 파괴적인 기상 현상 중 하나로, 교통, 전력선 및 농업에 영향을 미칩니다. 따라서 기상 예보 작전에서 그것의 발생을 신뢰할 수 있고 계산적으로 효율적인 예측이 긴급히 필요합니다. 그러나 동결우박을 일으킬 수 있는 다양한 열역학적 과정이 있어, 최첨단 수치기상예보(NWP) 모델의 예측 성능이 만족스럽지 못합니다. 여기 기계 학습 기술을 이용한 동결우박에 대한 데이터 기반 예측 방법이 제안됩니다. 2016년부터 2019년까지의 겨울 동안 중국의 2515개 기상 관측소에서 수집된 기상 현상 관측과 ERA5 재분석에서 파생된 해당 대기 예측변수가 사용됩니다. 예측 함수는 분류 및 회귀 트리를 기반으로 구축되며, 예측 변수에는 500hPa에서 1000hPa 사이의 기본 열역학 및 운동학적 매개변수의 시간적 및 수직적 프로파일이 포함되며, 총 차원은 2304입니다. LightGBM(경량 그래디언트 부스팅 머신) 프레임워크가 우리의 예측 모델을 학습시키는 데 사용되며, 예측 기술 향상을 위해 클래스의 불균형을 해결하기 위한 손실 함수 수정의 알고리즘 수준 접근법이 사용됩니다. 결과는 데이터 기반 예측 모델인 DDFR(동결우박의 데이터 기반 예측)이 기준 NWP, 즉 ECMWF IFS 제품보다 우수하다는 것을 보여줍니다. TS 점수의 개선은 0-12시간의 다양한 예측 선행 시간에 따라 120%에서 258%까지 범위가 있습니다. 또한 DDFR은 중국의 운영 NWP 모델에 적용됩니다. 도메인 적응 문제를 다루고 전이 학습 방법이 원래 DDFR을 이 NWP 모델에 맞추는 데 사용됩니다. 이러한 적응의 효과는 훈련 및 테스트 데이터셋에서의 성능으로 입증되었습니다.