《表1 n=1,2,3时，各方案输入因子》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习模型的短期降雨多模式集成预报》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：表中Fik，j为预报降雨值；k表示不同预报中心；k=E表示ECMWF；k=N表示NCEP；k=C表示CMA；i表示发布时间；i=0表示当天发布；i=1表示前1d发布；j表示预见期；j=1表示预见期为1d；j=2表示预见期为2d。

输入因子的选择对数据驱动模型十分重要。若输入因子过多，则输入信息冗余，模型复杂度提升，模型预报精度降低；若输入因子过少，则输入信息无法充分解释输出变量的变化机理，同样影响模型预报效果。因此，为了减小输入因子选择带来的偶然性和不确定性，本文将设置8种不同的输入因子组合方案作为数据驱动模型的输入，即耦合三个集合预报中心近n天（n=1，2，3，…，8，不同的输入因子组合方案n取值不同）发布的预报值作为输入因子。表1列出了n=1，2，3时模型输入因子的详细情况。当n=1（即方案1），采用近1d的预报降雨作为输入因子。预报未来第1天时，输入因子为各中心（ECMWF、NCEP和CMA）当天发布的预见期为1d的预报降雨，共计3个；预报未来第2天时，输入因子为各中心当天发布的预见期为2d的预报降雨，共计3个。当n=2（即方案2），采用近2d预报降雨作为输入因子。预报未来第1天时，输入因子为各中心当天发布的预见期为1d的预报降雨以及1d前发布的预见期为2d的预报降雨，共计6个；预报未来第2天时，输入因子为各中心当天发布的预见期为2d的预报降雨以及1d前发布的预见期为3d的预报降雨，共计6个。依此类推，当n=8时，模型输入因子个数为24个。