| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 数值模拟预报模式 | 第13-14页 |
| 1.2.2 统计预报模式 | 第14-16页 |
| 1.2.3 现有研究不足 | 第16页 |
| 1.3 研究内容及意义 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究意义 | 第17-18页 |
| 1.3.3 论文结构 | 第18-19页 |
| 第2章 研究区域与数据 | 第19-27页 |
| 2.1 研究区域概况 | 第19-20页 |
| 2.2 研究区域能见度时空特征 | 第20-23页 |
| 2.3 研究数据 | 第23-27页 |
| 2.3.1 WRF数值预报数据 | 第23-24页 |
| 2.3.2 EC-thin高空数据 | 第24-25页 |
| 2.3.3 实测数据 | 第25-27页 |
| 第3章 基于XGBoost算法的能见度预测模型 | 第27-50页 |
| 3.1 XGBoost算法理论基础 | 第27-32页 |
| 3.2 模型数据集构建 | 第32-34页 |
| 3.3 特征工程 | 第34-37页 |
| 3.4 能见度预测模型的建立和训练 | 第37-42页 |
| 3.4.1 超参数优化 | 第38-40页 |
| 3.4.2 特征重要性分析 | 第40-42页 |
| 3.5 精度评价 | 第42-47页 |
| 3.6 预测结果的空间展示 | 第47-50页 |
| 第4章 能见度预测模型的特征解释和分析 | 第50-58页 |
| 4.1 基于决策路径估计的XGBoost特征贡献分析法 | 第50-51页 |
| 4.2 能见度预测模型的特征贡献分析 | 第51-58页 |
| 4.2.1 不同能见度样本的特征贡献分析 | 第51-55页 |
| 4.2.2 特征值与特征贡献 | 第55-58页 |
| 第5章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58-59页 |
| 5.2 后续工作 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录一 参与训练的特征说明 | 第65-67页 |
| 后记 | 第67-68页 |