HKO 预测模型信号 Review — 2026-04-29

状态: P0 已修复 ✅ | 基于 10:45 最后一次预测快照

一、信号清单与当前状态

A. 实时观测信号 (共 5 个)

#	信号	计算逻辑	权重	当前值	问题
5	`inland`	内陆站回归: `0.88×avg(lead_maxes)+3.0` + `max_lead-2.5` 混合	12%	28.2	⚠️ 回归系数未校准
6	`trajectory`	`progress_pred0.6 + linear_proj0.4` → cap	7%	29.9	✅ 已 cap
6b	`diurnal_curve`	7-day EMA peak + time-of-day diff adjustment	5%	29.1	⚠️ 过去7天可能偏热
6d	`humidity_potential`	base + hum_boost (-0.8 to +2.2)	5%	27.2	✅
10	`current_max`	`hko_max_midnight + 1.0 + inland_boost`	7%	28.7	⚠️ 早上+1°C 假设过于激进

B. 预报信号 (共 7 个)

#	信号	计算逻辑	权重	当前值	问题
1	`forecast`	HKO 预报 + bias correction	8%	29.1	⚠️ bias +1.1°C 系统偏高
2	`weather_text`	HKO 天气描述 NLP → 调整量	4%	25.3	🔴 多云/rainy 产生 -3.4°C 调整
3	`rain_cooling`	PSR → rain_suppression	4%	26.0	⚠️ 80% 雨概率 → -2°C
4	`warning`	WTS/WHOT 警告	5%	26.0	⚠️ WTS → -2°C
8	`wind`	海风/陆风方向	-	(未触发)	✅
9	`climatology`	过去7天平均 + trend	4%	28.3	✅

C. 模型信号 (共 3 个)

#	信号	计算逻辑	权重	当前值	问题
11	`nwp_ensemble`	6 模型集成 mean + bias	6%	27.6	✅
12	`shenzhen`	SZ forecast max - 0.8°C	5%	25.2	⚠️ 固定减 0.8°C 无校准
13a-e	OM 气象 (5个子信号)	云量/辐射/雨/CAPE/湿度	各 1-2%	26-27	🔴 权重太低，合计 ~10%

D. 统计/模式信号 (共 4 个)

#	信号	计算逻辑	权重	当前值	问题
6c	`temp_declining`	温度回落检测	(未触发)	-	✅
6e	`warming_accel`	升温加速 vs 历史	3%	27.2	⚠️ 微小窗口除以 0.1
15	`analog_day`	气象指纹相似度匹配	4%	30.1	🔴 只有一个匹配日=29.4°C
16	`early_aggressive`	内陆+湿度+辐射+加速度	7%	27.6	✅

E. AI 信号

#	信号	计算逻辑	权重	当前值	问题
LLM	`llm_reasoning`	DeepSeek V4 Pro 综合推理	10%	28.5	✅ 最可靠的"综合判断"

F. 特殊覆盖（当前禁用）

#	信号	状态	原因
6f	`rapid_warming`	🔴 OFF	多云天：日照<0.5，速率<3.6°C/h

二、核心问题

🔴 P0: 多个信号基于 `base = forecast_max`，形成正反馈回路


weather_text     = base - 3.4 = forecast_max(28) - 3.4 = 24.6
rain_cooling     = base - 2.0 = 26.0
warning          = base - 2.0 = 26.0
cloud_cover      = base - 1.2 = 26.8
rain_forecast    = base - 1.2 = 26.8
cape             = base - 0.6 = 27.4
forecast_humidity = base - 0.8 = 27.2
humidity_potential = base - 0.8 = 27.2

9 个信号都用 forecast_max 作为锚点再减去不同量。当 forecast_max 从 27→28 时，所有 9 个信号同时向上偏移 1°C，形成虚假的多信号一致性。实际上只有一个信源（HKO 预报）。

影响: 预测容易跟随 HKO 预报上下波动，失去了"独立验证"的意义。

修复 (2026-04-29 10:33): 所有 OM 信号 + weather_text/rain_cooling/warning/humidity_potential/sunshine/wind 改用 _clim_base（过去7天平均），负向信号增加 lower_bound 钳制。

🔴 P1: 默认 bias_correction = +0.7°C 无下限 ✅ 已修复


bias_correction = max(-1.5, min(1.5, recent_bias * 0.5))
# 默认 0.7（当 past_fc_errors 不足时）

今天过去3天 HKO 实际最高远超预报（+2.4°C），导致 recent_bias = +2.4 * 0.5 = +1.2°C。这个 bias 加到 ensemble 上，导致预测系统性高于 HKO 预报 1-2°C。

历史数据:

04-28: fc=27, actual=29.4, err=+2.4

04-27: fc=?, actual=27.9

04-22: fc=?, actual=29.4

如果这几天都是晴朗异常天气，用它们来 bias-correct 今天的雨天的预报会产生严重高估。

✅ P2: 快速升温 skip_ensemble → 常规信号（权重 8-15%，不再绕过集成）


w_total = sum(weights.values())
weights = {k: round(v / w_total, 4) for k, v in weights.items()}

权重归一化后，多个冗余信号（9 个基于 forecast_max）各自分到 ~4% 权重，合计 ~35-40%——这本质上是 HKO 预报占了 35% 份额，但以 9 个不同信号的形式出现。LLM 只有 10%，内陆站 12%。

建议: 给"信源类别"设上限（预报类 ≤25%，实时类 ≥40%，模型类 ≥20%），而非简单归一化。

🟡 P3: `weather_text` 信号在雨天产生极端负向偏差

当前 HKO 描述 "mainly cloudy with occasional showers" + 80% rain PSR → wx_score = -3.4 → weather_text = fc - 3.4*0.8 = fc - 2.72。

当 forecast_max=27 时，weather_text 预测 24.3°C——比 lower_bound (27.3) 还低！这个信号对 cloudy/rainy 天气过度惩罚了。

建议: weather_text 调整量应受 lower_bound 约束。

🟡 P4: `inland` 信号回归系数硬编码

lead_pred = 0.88 * avg_lead + 3.0

这个 0.88/3.0 系数是固定写死的，但内陆站和天文台的关系随季节、天气类型变化。夏天可能内陆高出 2-3°C，冬天可能只差 0.5-1°C。

建议: 用过去 7 天数据动态拟合斜率，而非固定系数。

🟡 P5: `analog_day` 只有一个匹配日时信号不可靠

当前唯一匹配: 04-28 (29.4°C, sim=0.10)。这一天 HKO 预报 27°C 但达到 29.4°C（+2.4°误差）。用这一天类比今天，预测 30.1°C——如果今天不像昨天那样异常，这个信号会严重高估。

建议: 单日匹配时权重至少减半（0.04 而非 0.08）。

🟡 P6: `shenzhen` 信号固定减 0.8°C

HK 和 SZ 的温差不是常数。Open-Meteo SZ 预报来源不同模型，精度也未知。

建议: 与 inland 信号合并或至少验证 SZ→HK 映射关系。

🟢 P7: Open-Meteo 气象子信号 (13a-e) 权重过低

云量、辐射、雨概率、CAPE、预报湿度是物理驱动的核心指标，但 5 个信号合计只占 15% 权重。而 weather_text（NLP 解析）就占 4%。

建议: OM 气象信号整体权重翻倍到 30%，减少冗余的 forecast 锚定信号。

三、合并算法 Review

当前流程


1. 逐个计算 21+ 信号，各赋初始权重
2. decline / cold_front 检测 → 抑制非核心信号
3. past_peak 检测 → 大幅抑制升温信号
4. current_max 检测 → 下午大幅抑制其他信号
5. rapid_warming 检测 → 如果触发，跳过 ensemble（仅与 ensemble_rapid 混合）
6. 权重归一化（sum → 1.0）
7. 加权平均 → predicted_max
8. bias_correction 偏移
9. decline_triggered → 锁上限
10. 预测平滑（±1°C 钳制）

优点

✅ 动态权重：早上内陆站权重高，下午 current_max 权重高

✅ decline 检测有效抑制过度乐观

✅ 权重归一化保证总和为 1

✅ 预测平滑防止单点跳变

✅ rapid_warming cap 防止极端值

问题

🔴 skip_ensemble 路径: rapid_warming 触发时，全部规则信号被绕过。即使降低到 30-50%，仍是对 ensemble 的不连续切换

🔴 冗余信号放大单一信源: 多个基于 forecast_max 的信号合计权重占优

🔴 bias_correction 只能正向: 默认+0.7，即使系统持续高估也不会自动转为负向

🟡 LLM 和规则信号无冲突检测: LLM 可能识别出规则看不到的模式，但被低权重（≤10%）压制

🟡 不确定度仅用 spread_unc: 未利用信号的历史误差来标定权重

四、改进建议（按优先级）

立即 (today)

1. ✅ 快速升温禁能（多云条件）— 已完成

2. ✅ 预测平滑 ±1°C — 已完成

3. ✅ 关键数据缺失 guard — 已完成

短期 (本周)

4. 将 analog_day 单日匹配权重从 0.08 → 0.04

5. weather_text 调整值受 lower_bound 约束

6. warming_accel 的微小窗口问题（同 rapid_warming 修复）

7. OM 气象信号整体权重从 ~15% → 25%

中期 (下周)

8. 信源类别权重上限（预报≤25%, 实时≥40%）

9. inland 回归系数从过去7天动态拟合

10. bias_correction 支持负向（默认 0，而非 +0.7）

11. 将 rapid_warming 从 override 改为常规信号（不加 skip_ensemble）

12. LLM-ensemble 冲突检测：LLM 高置信度且与 ensemble 偏差 >1°C 时提升 LLM 权重

📄 文档