[1] |
曹渝昆, 朱萌, 2019. 基于主成分分析和LightGBM的风电场发电功率超短期预测[J]. 上海电力学院学报, 35(6): 562-566.
|
[2] |
曹萍萍, 肖递祥, 徐栋夫, 等, 2018. 基于概率匹配的西南区域模式定量降水订正试验[J]. 气象科技, 46(1): 102-111.
|
[3] |
符娇兰, 代刊, 2016. 基于CRA空间检验技术的西南地区东部强降水EC模式预报误差分析[J]. 气象, 42(12): 1 456-1 464.
|
[4] |
冯慧敏, 智协飞, 崔慧慧, 等, 2016. 基于多模式集成技术的地面气温精细化预报[J]. 气象与环境科学, 39(4): 73-79.
|
[5] |
胡玉荣, 2008. 新形势下气象科技服务发展的思考[J]. 气象软科学, 1(3): 20-24.
|
[6] |
何珊珊, 蓝盈, 戚云枫, 2021. GRAPES-GFS模式2 m温度预报的最优时窗滑动订正方法[J]. 气象科技, 49(5): 746-753.
|
[7] |
刘新伟, 黄武斌, 蒋盈沙, 等, 2021. 基于LightGBM算法的强对流天气分类识别研究[J]. 高原气象, 40(4): 909-918.
DOI
|
[8] |
刘军中, 2021. 基于机器学习的最大风速预测系统研究与实现[D]. 南昌: 南昌大学.
|
[9] |
孙敏, 袁慧玲, 杜予罡, 2018. 上海地区春季最高气温预报失败案例分析[J]. 气象, 44(1): 65-79.
|
[10] |
盛裴轩, 毛节泰, 李建国, 等, 2003. 大气物理学[M]. 北京: 北京大学出版社, 122-154.
|
[11] |
佟华, 姚明明, 王雨, 等, 2006. T213L31全球中期数值天气预报系统2 m温度预报误差源分析[J]. 气象, 32(2): 52-57.
|
[12] |
谭江红, 陈伟亮, 王珊珊, 2018. 一种机器学习方法在湖北定时气温预报中的应用试验[J]. 气象科技进展, 8(5): 46-50.
|
[13] |
吴启树, 韩美, 郭弘, 等, 2016. MOS温度预报中最优训练期方案[J]. 应用气象学报, 27(4): 426-434.
|
[14] |
王志宇, 2019. 基于LightGBM框架的上海市大气能见度预报订正研究[D]. 上海: 华东师范大学.
|
[15] |
王丹, 高红燕, 张宏芳, 等, 2015. 一种逐时气温预报方法[J]. 干旱气象, 33(1): 89-97.
DOI
|
[16] |
肖明静, 隋明, 范苏丹, 等, 2012. 3种数值模式温度预报产品在山东应用的误差分析与订正[J]. 干旱气象, 30(3): 472-477.
|
[17] |
薛志磊, 张书余, 2012. 气温预报方法研究及其应用进展综述[J]. 干旱气象, 30(3): 451-458.
|
[18] |
薛谌彬, 陈娴, 张瑛, 等, 2019. ECMWF高分辨率模式2 m温度预报误差订正方法研究[J]. 气象, 45(6): 831-842.
|
[19] |
肖红茹, 龙柯吉, 伍清, 等, 2020. 1980—2017年四川盆地寒潮及其气温变化特征[J]. 高原山地气象研究, 40(4): 47-52.
|
[20] |
张丹峰, 2018. 基于LightGBM, XGBoost, ERT混合模型的风机叶片结冰预测研究[D]. 上海: 上海师范大学.
|
[21] |
BAUER P, THORPE A, BRUNET G, 2015. The quiet revolution of numerical weather prediction[J]. Nature, 525 (7567): 47-55.
DOI
URL
|
[22] |
BONAVITA M, HOLM E, ISAKSEN L, et al, 2016. The evolution of the ECMWF hybrid data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 142 (694): 287-303.
|