朱国栋 孙建杰 陈阳权 王照刚

（民航新疆空中交通管理局气象中心，乌鲁木齐 830016）

0 引言

随着近年民用航空产业的不断发展，航空公司、机场、空管等民航气象用户单位对机场预报的准确性和时效性要求不断提高。其中机场温度作为民用航空器配载的重要指标，准确的预报将会对飞机旅客、货物、油料的装载数量提供科学的参考，同时为确保航班起降安全提供帮助。

目前对地面温度的预测主要依托数值预报产品，但是模式直接输出的温度预测产品与实况存在一定的偏差，为了解决模式直接输出产品的误差，通过对不同数值模式产品的检验和误差订正，并应用机器学习方法开展模式解释应用，较好地改善了温度预测的效果。同时参考不同的机器学习方法的特性和在气象领域的预测效果，本文选取能够较好地处理非线性问题的随机森林方法，结合欧洲中心细网格数值预报产品，实现对乌鲁木齐地窝堡国际机场的逐小时地面2 m温度的预测，为民航运行单位提供科学、可靠的温度预报产品，进而更好地为民航安全、效益服务。

1 随机森林方法

随机森林是基于决策树的集成学习算法，决策树是一种广泛应用的树状分类器，在树的所有节点上，通过选择最优的特征不断进行分类，直到达到建树的停止条件。决策树是无参数有监督的机器学习方法，不需要先验知识，相比神经网络等方法更容易解释，但是单个决策树对问题预测性能有限，为了改善单个分类器的预测性能，将单个分类器聚集起来，通过对每个基本分类器的分类结果进行组合，也就是形成多个决策树组成的随机森林，提升模型的预测精度和泛化能力，避免出现过拟合现象。……