[论文解读] Improving Subseasonal Forecasting in the Western U.S. with Machine Learning

Jessica Hwang, Paulo Orenstein+3 more|arXiv (Cornell University)|Sep 19, 2018

Meteorological Phenomena and Simulations参考文献 38被引用 11

一句话总结

本文提出了一种用于美国西部地区次季节天气预报的机器学习集成系统，结合多任务特征选择与k近邻方法，以提升预报准确性。该方法在2011–2018年期间显著优于运行中的CFSv2模型及顶级Rodeo竞争者，温度预报技能提升40–50%，降水预报技能提升129–169%。

ABSTRACT

Water managers in the western United States (U.S.) rely on longterm forecasts of temperature and precipitation to prepare for droughts and other wet weather extremes. To improve the accuracy of these longterm forecasts, the U.S. Bureau of Reclamation and the National Oceanic and Atmospheric Administration (NOAA) launched the Subseasonal Climate Forecast Rodeo, a year-long real-time forecasting challenge in which participants aimed to skillfully predict temperature and precipitation in the western U.S. two to four weeks and four to six weeks in advance. Here we present and evaluate our machine learning approach to the Rodeo and release our SubseasonalRodeo dataset, collected to train and evaluate our forecasting system. Our system is an ensemble of two regression models. The first integrates the diverse collection of meteorological measurements and dynamic model forecasts in the SubseasonalRodeo dataset and prunes irrelevant predictors using a customized multitask model selection procedure. The second uses only historical measurements of the target variable (temperature or precipitation) and introduces multitask nearest neighbor features into a weighted local linear regression. Each model alone is significantly more accurate than the debiased operational U.S. Climate Forecasting System (CFSv2), and our ensemble skill exceeds that of the top Rodeo competitor for each target variable and forecast horizon. Moreover, over 2011-2018, an ensemble of our regression models and debiased CFSv2 improves debiased CFSv2 skill by 40-50% for temperature and 129-169% for precipitation. We hope that both our dataset and our methods will help to advance the state of the art in subseasonal forecasting.

研究动机与目标

• 为支持水资源与野火管理，解决美国西部地区对高精度次季节预报的迫切需求。
• 在提前两周至六周的范围内，提升温度与降水预报技能，超越美国气候预报系统（CFSv2）的运行模式。
• 开发一种专为次季节预报独特挑战量身定制的机器学习框架，包括高维气象数据与基于技能的目标。
• 发布一个新的基准数据集（SubseasonalRodeo），以支持未来次季节预报研究。
• 证明将机器学习模型与CFSv2集成，可在多个预报时序与变量上显著提升预报技能。

提出的方法

• 该系统采用两种非线性回归模型的集成：MultiLLR与AutoKNN。
• MultiLLR通过多任务后向逐步特征选择，从多样化的气象与模型预报数据源中识别出相关预测因子。
• AutoKNN仅使用历史目标变量观测值（温度或降水），并将基于技能的k近邻特征整合进加权局部线性回归。
• 提出一种新颖的集成方法，当平均技能为正时，可保证提升平均预报技能。
• 该方法利用自定义的多任务目标函数，以预报技能为优化目标，而非标准回归损失。
• 使用从多个来源（包括NMME和CFSv2）收集的SubseasonalRodeo数据集，对模型进行训练与评估。

实验结果

研究问题

• RQ1 机器学习模型能否在超越运行中的CFSv2系统的基础上，提升美国西部地区次季节温度与降水预报的准确性？
• RQ2 多任务特征选择方法在从高维气象数据中识别次季节预报相关预测因子方面，效果如何？
• RQ3 仅使用历史目标变量数据（无外部预测因子）的模型，能否通过近邻方法实现高预报技能？
• RQ4 将多个机器学习模型与CFSv2集成，是否能在不同预报时序上带来统计上显著的预报技能提升？
• RQ5 AutoKNN中学习到的最近邻在多大程度上反映了历史气象数据中的季节性与时间模式？

主要发现

• 仅MultiLLR模型在第3–4周与第5–6周的温度与降水预报中，已优于去偏的CFSv2模型。
• 仅使用目标变量历史数据的AutoKNN模型，同样在所有变量与时序上优于去偏的CFSv2模型。
• MultiLLR与AutoKNN的集成模型在全部四项预报任务中，均超越了顶级Rodeo竞争者。
• 在2011–2018年期间，所提模型与去偏CFSv2的集成，使温度预报技能提升40–50%，降水预报技能提升129–169%。
• 对于降水预报，所选模型更为简洁，中位数特征数量为4–5，而温度预报为7。
• AutoKNN模型的降水预报最近邻具有强烈的季节性特征，通常来自同年中的同一月份；而温度预报的邻居则分布于全年各月。