文献类型：专利

中文题名：基于可解释和机器学习的气候模式优选与集合预估方法

作者：张宇[1];陈俊哲[1];史候翔[1];郝珍艺[1];徐宇阳[1];刘春[1];徐建军[1];

机构：[1]广东海洋大学;

专利类型：发明授权

申请号：CN202511893934.7

申请日：20251216

申请人地址：524088 广东省湛江市麻章区海大路1号

公开日：20260407

代理人：苏鹏

代理机构：北京盛广信合知识产权代理有限公司 16117

语种：中文

中文关键词：解释;机器学习;气候;模式优选;集合;预估;分析;资料;CMIP;模式资料;面积;加权平均;臭氧柱;总量;数据集;决策树;SHAP;筛选;法筛;模式数据;机器学习模型;最优;温室气体排放;情景;南极;恢复;臭氧混合;数据计算;TCO;泰勒

中文摘要：本发明涉及基于可解释和机器学习的气候模式优选与集合预估方法，属于气候模式技术领域，方法包括：获取再分析资料和CMIP6模式资料的面积加权平均臭氧柱总量，构建数据集；基于所述数据集，分别采用传统方法和决策树SHAP方法对CMIP6模式进行筛选；基于传统方法和决策树SHAP方法筛选的CMIP6模式数据，构建机器学习模型；基于构建的机器学习模型，确定最优筛选方法和对应的最优机器学习模型；基于最优筛选方法和对应的最优机器学习模型，对不同温室气体排放情景下的南极臭氧进行恢复预估。通过本发明能够拟得到更为准确的南极臭氧恢复预估结果。