一种基于机器学习的次季节逐日降水预测结果订正方法及系统

本发明提供了一种基于机器学习的次季节逐日降水预测结果订正方法及系统，涉及气候预测技术领域。本发明考虑到在次季节时间尺度，数值模式对所预测区域环流要素预测能力的不足，没有选择所预测区域的环流要素作为预测特征，而是客观地筛选出数值模式所反映出的高影响关键区作为预测特征，相比于一些同类的机器学习预测方法，在特征选择上更加适合于次季节气候预测，对模式数据的挖掘也更加充分。此外，本发明考虑到一年之中的气候态存在差异，利用临近的起报日、预报日的数据作为样本，避免了将气候态差异很大的大气环流信息都导入一个模型而导致的信息不一致，提高了模型的泛化能力，具有更高的预测精度和更快的预测速度。