隨機(jī)森林方法在機(jī)場(chǎng)溫度預(yù)測(cè)中的應(yīng)用

朱國(guó)棟 孫建杰 陳陽(yáng)權(quán) 王照剛

（民航新疆空中交通管理局氣象中心，烏魯木齊 830016）

0 引言

隨著近年民用航空產(chǎn)業(yè)的不斷發(fā)展，航空公司、機(jī)場(chǎng)、空管等民航氣象用戶(hù)單位對(duì)機(jī)場(chǎng)預(yù)報(bào)的準(zhǔn)確性和時(shí)效性要求不斷提高。其中機(jī)場(chǎng)溫度作為民用航空器配載的重要指標(biāo)，準(zhǔn)確的預(yù)報(bào)將會(huì)對(duì)飛機(jī)旅客、貨物、油料的裝載數(shù)量提供科學(xué)的參考，同時(shí)為確保航班起降安全提供幫助。

目前對(duì)地面溫度的預(yù)測(cè)主要依托數(shù)值預(yù)報(bào)產(chǎn)品，但是模式直接輸出的溫度預(yù)測(cè)產(chǎn)品與實(shí)況存在一定的偏差，為了解決模式直接輸出產(chǎn)品的誤差，通過(guò)對(duì)不同數(shù)值模式產(chǎn)品的檢驗(yàn)和誤差訂正，并應(yīng)用機(jī)器學(xué)習(xí)方法開(kāi)展模式解釋?xiě)?yīng)用，較好地改善了溫度預(yù)測(cè)的效果。同時(shí)參考不同的機(jī)器學(xué)習(xí)方法的特性和在氣象領(lǐng)域的預(yù)測(cè)效果，本文選取能夠較好地處理非線性問(wèn)題的隨機(jī)森林方法，結(jié)合歐洲中心細(xì)網(wǎng)格數(shù)值預(yù)報(bào)產(chǎn)品，實(shí)現(xiàn)對(duì)烏魯木齊地窩堡國(guó)際機(jī)場(chǎng)的逐小時(shí)地面2 m溫度的預(yù)測(cè)，為民航運(yùn)行單位提供科學(xué)、可靠的溫度預(yù)報(bào)產(chǎn)品，進(jìn)而更好地為民航安全、效益服務(wù)。

1 隨機(jī)森林方法

隨機(jī)森林是基于決策樹(shù)的集成學(xué)習(xí)算法，決策樹(shù)是一種廣泛應(yīng)用的樹(shù)狀分類(lèi)器，在樹(shù)的所有節(jié)點(diǎn)上，通過(guò)選擇最優(yōu)的特征不斷進(jìn)行分類(lèi)，直到達(dá)到建樹(shù)的停止條件。決策樹(shù)是無(wú)參數(shù)有監(jiān)督的機(jī)器學(xué)習(xí)方法，不需要先驗(yàn)知識(shí)，相比神經(jīng)網(wǎng)絡(luò)等方法更容易解釋?zhuān)菃蝹€(gè)決策樹(shù)對(duì)問(wèn)題預(yù)測(cè)性能有限，為了改善單個(gè)分類(lèi)器的預(yù)測(cè)性能，將單個(gè)分類(lèi)器聚集起來(lái)，通過(guò)對(duì)每個(gè)基本分類(lèi)器的分類(lèi)結(jié)果進(jìn)行組合，也就是形成多個(gè)決策樹(shù)組成的隨機(jī)森林，提升模型的預(yù)測(cè)精度和泛化能力，避免出現(xiàn)過(guò)擬合現(xiàn)象。

2 數(shù)據(jù)預(yù)處理

在機(jī)器學(xué)習(xí)方法中，雖然算法的選型很重要，但是良好的數(shù)據(jù)才是算法的基本。然而在實(shí)際的應(yīng)用中，產(chǎn)生的氣象數(shù)據(jù)并不一定符合算法的要求，總會(huì)由于一些客觀因素影響數(shù)據(jù)的收集，例如觀測(cè)設(shè)備故障、數(shù)值模式傳輸錯(cuò)誤等。

本文整理烏魯木齊地窩堡國(guó)際機(jī)場(chǎng)（以下簡(jiǎn)稱(chēng)機(jī)場(chǎng)）逐小時(shí)地面觀測(cè)資料，將機(jī)場(chǎng)溫度作為預(yù)測(cè)對(duì)象，篩選氣溫對(duì)應(yīng)時(shí)刻的前24 h地面風(fēng)、氣溫等要素。同時(shí)，利用2015—2017年逐日20時(shí)起報(bào)的歐洲中心細(xì)網(wǎng)格數(shù)值預(yù)報(bào)產(chǎn)品，包括2T、2D、高空溫度、濕度、高度場(chǎng)、UV風(fēng)場(chǎng)等要素，預(yù)報(bào)有效時(shí)間12～36 h的預(yù)測(cè)產(chǎn)品，由于不同的預(yù)測(cè)要素產(chǎn)品網(wǎng)格距離不同，本文采用查找距離機(jī)場(chǎng)最近網(wǎng)格點(diǎn)上的數(shù)據(jù)，與機(jī)場(chǎng)溫度構(gòu)建訓(xùn)練樣本序列。通過(guò)對(duì)收集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)篩查、清洗等預(yù)處理，剔除數(shù)值預(yù)報(bào)產(chǎn)品中的缺測(cè)記錄后，共得到22056條樣本記錄。

由于不同的物理量組成的因子存在著量級(jí)差異，在進(jìn)行模型訓(xùn)練和參數(shù)尋優(yōu)前，需要?dú)w一化處理所有的因子，將其限定在0～1，具體處理方法如式（1）所示：

為了評(píng)估不同算法模型的預(yù)測(cè)能力，同時(shí)避免模型出現(xiàn)過(guò)擬合，本文利用開(kāi)源工具包scikit-learn對(duì)歸一化后的樣本進(jìn)行隨機(jī)切分，確保檢驗(yàn)樣本的獨(dú)立性，將樣本數(shù)據(jù)中隨機(jī)抽取33%作為檢驗(yàn)樣本，67%作為訓(xùn)練樣本，進(jìn)行模型訓(xùn)練和參數(shù)尋優(yōu)。

3 溫度預(yù)測(cè)模型構(gòu)建

3.1 模型構(gòu)建

利用Python的開(kāi)源機(jī)器學(xué)習(xí)庫(kù)scikit-learn構(gòu)建預(yù)測(cè)模型，為了評(píng)估不同的方法和模型參數(shù)下的溫度預(yù)測(cè)效果，本文選取決策樹(shù)回歸方法和隨機(jī)森林回歸方法進(jìn)行建模，并通過(guò)設(shè)置不同決策樹(shù)數(shù)量來(lái)評(píng)估隨機(jī)森林方法的預(yù)測(cè)能力，具體模型實(shí)現(xiàn)代碼如下：

1）決策樹(shù)方法

from sklearn.tree import DecisionTreeRegressor

model=DecisionTreeRegressor()

model.fit(trainX,trainY)

2）隨機(jī)森林方法

from sklearn.ensemble import RandomForestRegressor

model=RandomForestRegressor(n_estimators=200)

model.fit(trainX,trainY)

3.2 模型尋優(yōu)

通過(guò)分析預(yù)測(cè)模型可以發(fā)現(xiàn)，決策樹(shù)回歸方法對(duì)測(cè)試樣本的機(jī)場(chǎng)溫度預(yù)報(bào)平均絕對(duì)誤差為1.01 ℃，而采用5個(gè)決策樹(shù)的隨機(jī)森林方法較好地改善了平均絕對(duì)誤差，達(dá)到0.82 ℃，隨著增加決策樹(shù)數(shù)量，模型對(duì)測(cè)試樣本預(yù)測(cè)結(jié)果的平均絕對(duì)誤差逐漸減小，當(dāng)決策樹(shù)數(shù)量達(dá)到200個(gè)以上后，模型預(yù)測(cè)誤差逐漸趨于穩(wěn)定，達(dá)到0.70左右。由此可見(jiàn)隨機(jī)森林用于溫度回歸預(yù)測(cè)效果明顯好于單個(gè)決策樹(shù)，同時(shí)隨著決策樹(shù)數(shù)量的增加，對(duì)測(cè)試樣本的平均絕對(duì)誤差逐漸減小。具體模型預(yù)測(cè)結(jié)果如表1所示。

表1 不同模型及參數(shù)構(gòu)建的預(yù)測(cè)模型效果評(píng)價(jià)Table 1 Evaluation of prediction models for different models and parameters

3.3 溫度回歸預(yù)測(cè)

利用模型尋優(yōu)得到的預(yù)測(cè)模型，對(duì)樣本中隨機(jī)抽取的7279條測(cè)試樣本進(jìn)行預(yù)測(cè)，其中預(yù)測(cè)結(jié)果平均絕對(duì)誤差≤1 ℃的占樣本總數(shù)78%，平均絕對(duì)誤差≤2 ℃的占樣本總數(shù)94%，模型預(yù)測(cè)結(jié)果的平均絕對(duì)誤差能夠控制在2 ℃以?xún)?nèi)，對(duì)于溫度業(yè)務(wù)預(yù)報(bào)有較好的指導(dǎo)作用。為了充分評(píng)估模型預(yù)測(cè)能力，本文將預(yù)測(cè)對(duì)象機(jī)場(chǎng)溫度按照10 ℃為一個(gè)量級(jí)（表2），劃分出8個(gè)量級(jí)。烏魯木齊機(jī)場(chǎng)溫度主要分布在-10～30 ℃，模型的平均絕對(duì)誤差主要在1.2 ℃左右，其中-10～0 ℃平均絕對(duì)誤差最小，為0.939 ℃。而-30～-20 ℃考慮到樣本數(shù)量占比較少，僅為31個(gè)，此范圍內(nèi)的預(yù)測(cè)誤差不單獨(dú)進(jìn)行統(tǒng)計(jì)。

表2 不同區(qū)間段內(nèi)的溫度預(yù)測(cè)誤差分析Table 2 Analysis of temperature prediction error in different interval segments

通過(guò)對(duì)四個(gè)季節(jié)的樣本建立獨(dú)立的隨機(jī)森林預(yù)測(cè)模型，分析模型對(duì)訓(xùn)練樣本的預(yù)測(cè)誤差可以看到，春季氣溫預(yù)測(cè)模型的平均絕對(duì)誤差為0.956 ℃，夏季氣溫預(yù)測(cè)模型的平均絕對(duì)誤差為1.100 ℃，秋季氣溫預(yù)測(cè)模型的平均絕對(duì)誤差為0.935 ℃，冬季氣溫預(yù)測(cè)模型的平均絕對(duì)誤差為1.067 ℃。對(duì)比全年樣本數(shù)據(jù)構(gòu)建的預(yù)測(cè)模型，按季節(jié)構(gòu)建的預(yù)測(cè)模型，在不同溫度量級(jí)下的春季預(yù)測(cè)效果更優(yōu)，具體見(jiàn)表3。

表3 不同季節(jié)的溫度預(yù)測(cè)誤差分析Table 3 Analysis of temperature prediction error in different season

4 數(shù)值預(yù)報(bào)對(duì)烏魯木齊機(jī)場(chǎng)溫度預(yù)測(cè)誤差分析

利用歐洲中心細(xì)網(wǎng)格數(shù)值預(yù)報(bào)輸出72 h 的0.125°×0.125°2 m氣溫產(chǎn)品資料，結(jié)合烏魯木齊機(jī)場(chǎng)本地特點(diǎn)，采用最近經(jīng)緯網(wǎng)格點(diǎn)的數(shù)據(jù)做為烏魯木齊機(jī)場(chǎng)的氣溫預(yù)報(bào)結(jié)果，通過(guò)對(duì)不同預(yù)報(bào)有效時(shí)間下的預(yù)報(bào)數(shù)據(jù)進(jìn)行篩選，每個(gè)預(yù)報(bào)有效時(shí)間大約獲得3100個(gè)樣本，平均絕對(duì)誤差為2.151 ℃，誤差最小的為預(yù)報(bào)有效時(shí)間21 h，為1.932 ℃，誤差最大的為預(yù)報(bào)有效時(shí)間72 h，為2.357 ℃，通過(guò)分析不同溫度區(qū)間內(nèi)的平均絕對(duì)誤差可以看到，其中0～10 ℃平均絕對(duì)誤差為1.839 ℃。具體見(jiàn)表4。

表4 數(shù)值預(yù)報(bào)溫度預(yù)測(cè)的平均絕對(duì)誤差分析Table 4 Analysis of the numerical forecast temperature prediction error

結(jié)合烏魯木齊機(jī)場(chǎng)季節(jié)劃分以及模式不同預(yù)報(bào)有效時(shí)間下的預(yù)測(cè)效果，選取預(yù)報(bào)有效時(shí)間為24 h的結(jié)果進(jìn)行分析，春季氣溫預(yù)測(cè)的平均絕對(duì)誤差為2.043 ℃，夏季氣溫預(yù)測(cè)的平均絕對(duì)誤差為1.982 ℃，秋季氣溫預(yù)測(cè)的平均絕對(duì)誤差為2.238 ℃，冬季氣溫預(yù)測(cè)的平均絕對(duì)誤差為2.288 ℃。對(duì)比全年預(yù)測(cè)誤差結(jié)果可以看到，夏季預(yù)測(cè)效果更優(yōu)，具體見(jiàn)表5。

表5 數(shù)值預(yù)報(bào)溫度預(yù)測(cè)（24 h）在不同季節(jié)的平均絕對(duì)誤差分析Table 5 Analysis of the numerical forecast temperature prediction error in different season

通過(guò)對(duì)比分析可以看到，歐洲中心細(xì)網(wǎng)格數(shù)值預(yù)報(bào)直接輸出的溫度預(yù)測(cè)結(jié)果較為穩(wěn)定，平均絕對(duì)誤差在2 ℃左右，利用隨機(jī)森林方法的溫度回歸預(yù)測(cè)結(jié)果，平均絕對(duì)誤差在1 ℃左右，對(duì)模式直接輸出的溫度結(jié)果有了較大的提升，其預(yù)測(cè)效果明顯優(yōu)于模式直接輸出的結(jié)果。