\chapter{模型超参数配置}

\section{LSTM-Attention模型}
\begin{table}[H]
\centering
\caption{LSTM-Attention模型超参数汇总}
\begin{tabular}{ll}
\toprule
\textbf{参数} & \textbf{取值} \\
\midrule
输入维度 & 19（气象特征数） \\
隐藏维度 & 128 \\
LSTM层数 & 2（双向） \\
注意力头数 & 4 \\
每头维度 & 32 \\
Dropout率 & 0.3 \\
总参数量 & 983,628 \\
Focal Loss $\alpha$ & 0.5 \\
Focal Loss $\gamma$ & 2.0 \\
优化器 & AdamW (lr=1e-3, weight\_decay=1e-4) \\
学习率调度 & ReduceLROnPlateau (factor=0.5, patience=5) \\
梯度裁剪 & max\_norm=1.0 \\
早停耐心值 & 15 epoch \\
Batch Size & 32 \\
最大Epoch & 50 \\
训练设备 & NVIDIA RTX 4060 Laptop (8GB) \\
每epoch耗时 & 约2.5分钟 \\
\bottomrule
\end{tabular}
\end{table}

\section{XGBoost模型}
\begin{table}[H]
\centering
\caption{XGBoost模型超参数汇总}
\begin{tabular}{ll}
\toprule
\textbf{参数} & \textbf{取值} \\
\midrule
估计器数量 & 200 \\
最大深度 & 6 \\
学习率 & 0.05 \\
L2正则化（$\lambda$） & 1.0 \\
最小分裂增益（$\gamma$） & 0.0 \\
子采样率 & 1.0 \\
目标函数 & multi:softmax（4类） \\
训练设备 & CUDA (GPU) \\
输入特征维度 & 266（14×19展平） \\
每分类器训练耗时 & 约2分钟 \\
\bottomrule
\end{tabular}
\end{table}