摘要
传统的降雨预测模型评估依赖平均精度指标，这往往会掩盖模型失效的条件、地点及原因，从而降低可靠性。本研究提出了一种范式转变，即将评估方式从传统的平均精度基准测试转向面向失效的预报误差诊断，研究对象为印度尼西亚的热带季风流域——梭罗河流域（Bengawan Solo River Basin），该流域具有中等地形梯度（网格海拔约为300–650米）。在方法论上，将先前已发表模型的预报结果作为固定输入，并将其误差作为响应变量进行建模，从而使分析能够诊断模型在何时何地失效，而非重新训练模型。通过将预报误差视为响应变量而非随机残差，本研究分析了来自十个独立模型（随机森林、极端梯度提升、轻量梯度提升机、支持向量回归、多层感知机、长短期记忆网络、门控循环单元、时间卷积网络、卷积神经网络、Transformer）及一个最优集成模型（Ensemble_Q，由随机森林、极端梯度提升、支持向量回归、多层感知机、轻量梯度提升机、长短期记忆网络、门控循环单元、时间卷积网络、卷积神经网络和Transformer堆叠而成）的345,180条模型-网格记录-月度记录，并将其与观测到的CHIRPS（结合站点数据的气候危险组红外降水数据）降水、季节相位、ENSO和IOD机制（厄尔尼诺-南方涛动和印度洋偶极子）、MJO指数（ Madden-Julian Oscillation，作为附加分析）以及地形控制变量海拔进行对比，采用对数误差模型、高误差逻辑回归、交互效应检验和区块自助法验证（N = 1000）、假发现率控制以及空间统计分析。结果表明，预测误差并非随机分布，而是受到系统性控制：转换II相位使对数误差增加245%（合并对数误差模型），并相对于干季将高误差事件的几率提高约40倍；拉尼娜条件使误差放大约41%，高误差事件的几率提高3.3倍（尽管这一ENSO信号很大程度上与同期出现的负印度洋偶极子月份交织在一起），且海拔每增加100米，误差增加26%，误差形成明显的空间聚类（Moran's I = 0.78；p = 0.001）。Ensemble_Q在总体平均精度上优于基线模型（平均绝对误差，MAE = 54.10毫米），但在这些条件下仍存在误差放大现象，而空间深度学习架构（时间卷积网络、卷积神经网络、Transformer）对地形梯度最为敏感。所有主要模式在阈值变化、模型子集、ENSO定义、多重性校正和自助法检验中均得以保持。这些发现证实，卓越的平均精度并不能保证作业可靠性，条件性失效诊断是热带季风地区降雨预测基准测试的必要补充。
