三等奖：Helloworld团队

线性回归、XGBoost、遗传算法、算法融合、特征优化

根据卫星云图的特点，识别并提取指定地点和时间的像素点的亮度值用于主要输入数据。为防止算法过拟合或欠拟合，采用了基于遗传算法的三段式线性回归函数和基于机器学习的XGBoost算法进行算法融合，通过MAE平均绝对误差法来训练结果，并将收敛后的结果用于辐射值预测。

三等奖：大气科学小分队

基于卫星数据的地表辐照度反演

获取长期、大范围、准确的地表辐照度对于国计民生有重要意义。区域的地表辐照度是农业、光伏发电等产业发展的基础数据，大范围的地表辐照度的变化对于全球气候变化研究具有重要作用。

二等奖：机器不思异团队

卫星云图+地面观测云图预测辐照量

使用机器学习方法求解本赛题。主要构造了两类特征，第一类特征计算了晴天情况下不同经纬度和时间的太阳辐照强度理论值。第二类特征根据卫星云图统计各站点各时间云量的多少，方法是选取每个站点所在位置周围±2像素（约相当于14×14千米）和周围±4像素（约相当于28×28千米）的目标区域，每个目标区域提取对应时间前后15分钟、前后30分钟、前后45分钟的卫星云图序列，然后对每个目标区域每个云图序列提取以下统计信息：总亮度均值、淡云比例、中云比例、较浓云比例、浓云比例。

一等奖：Tuscloud团队

卫星云图+地面观测云图预测辐照量

本文根据一段时间内的卫星云层图片数据和相同时间段内的多采样点辐照量特征作为基础，通过神经网络基于自研的Deep&ConvX融合模型训练出可预测辐照量的模型，并以新时间范围内的卫星云层图片数据作为判断参数，预测同一多采样点在每个规定时间点的辐照量数据。在此基础上迭代优化，最终实现对辐照量数据预测的模型建立。

三等奖：Data时代

城市交通积水预测

近年来，我国一些地域暴雨频发，城市内涝严重影响了举居民的生活质量和城市的正常运转。目前，城市积水观测能力不足，而城市积水模拟和预测也因为数据缺乏多集中在某个区域。本团队针对现阶段降雨量预测存在的问题，从中国气象数据网的中国气候资料日值数据中采集重庆市近四年的气候数据，依托三峡大学科研大数据平台和python、sklearn等方式，通过气压、气温、蒸发量等11个与降雨量高度相关的特征，利用多重线性回归对降雨量的数值进行分析，同样，利用采集到的11个特征，通过支持向量机对是否降雨进行分类。

三等奖：HI_bioknow

格点雨量预报在小水库汛情预警中的应用

本项目旨在通过大赛结合主办方给出的地域编码、降水历史和降水预测信息与本队收集到的该地域的天气预报信息和该地区的历史XX信息，建立出速度与准确性兼备的高性能广义回归神经网络学习模型，从而提升预报精确度、延长预报的预见期，已达到为小水库下游的群众赢得更为充分的避险转移时间和降低天灾损失的作用。

二等奖：雨落天街

城市道路积水风险指数

城市内涝严重影响城市的正常运转和公众的正常生活，目前城市积水观测能力不足，而城市积水模拟和预测也因为官网、河道等数据缺乏多集中在某个区域。本文以北京、上海、天津、武汉等四个城市为例，依据室外排水规范，基于1951-2018年日降水量观测数据，利用皮尔逊Ⅲ型分布函数计算得到不同重现期下的降水量阈值，将城市易积水点与连续降水、短时强降水进行叠加，预测未来1小时积水风险并按照重现期阈值划分风险等级，形成城市道路积水指数，为公众出行、城市水务等提供贴心气象服务以及科学支撑。