设为首页
加入收藏
A NEW METHOD FOR NON-LINEAR CLASSIFY AND NON-LINEAR REGRESSION Ⅱ :APPLICATION OF SUPPORT VECTOR MACHINE TO WEATHER FORECAST
-
摘要: 将SVM（Support Vector Machine）分类和回归方法首次应用于气象预报试验。利用1990~2000年4~9月ECMWF北半球的500 hPa高度、850 hPa温度、地面气压的00：00 UTC分析场资料，建立四川盆地分区面雨量有无大于15 mm的SVM分类推理模型、四川盆地内单站气温的SVM回归推理模型，进行相应的预报试验，试验结果显示对应的SVM推理模型具有良好的预报能力。
-
关键词:
- 支持向量机（SVM）;
- 模式识别;
- 回归估计;
- 降水分类预报;
- 温度预报
Abstract: A novel weather forecast method using the support vector machine (SVM) is introduced. Both of SVM model of area rainfall categorical forecast of 15 mm excess and SVM model of single-station temperature regression in Sichuan basin are built upon ECMWF analysis fields of 500 hPa height, 850 hPa temperature, and sea level pressure from April to September through 1990—2000. Extensive experiments are performed with performances evaluated by the Threat Scores (TS) or Correlation Coefficient. Empirical results demonstrate much improved performance compared with those given by standard statistic analysis and forecast methods. -
表 1 利用径向基函数核进行分类预报试验时参数r、b值的变化对SVM模型的影响
表 2 用SVM方法对四川盆地面雨量 (大于15 mm) 建立推理模型的试验结果
表 3 用SVM回归方法对四川盆地内单站逐日平均气温建立预报模型的试验结果
表 4 因子与预报对象之间相关与否对应的SVM回归模型对预报结果的影响评价 (单站气温)
表 5 四川盆地各区域面雨量大于15 mm的SVM分类预报模型 (在不同因子状况下) 的参数变化
表 6 四川盆地各区域面雨量大于15 mm的SVM分类预报模型 (在不同因子状况下) 的预报检验结果
-
[1] 叶笃正, 曾庆存, 郭裕福.当代气候研究.北京:气象出版社, 1991.164-177. [2] 黄嘉佑, 谢庄.卡尔曼滤波在天气预报中的运用.气象, 1993, 19(4):3-7. http://www.cnki.com.cn/Article/CJFDTOTAL-QXXX199304001.htm [3] 陆如华, 徐传玉, 张玲.卡尔曼滤波在天气预报中的运用技术.数值预报产品释用公报, 1996, 5/6(双月刊):28-36. [4] 胡江林, 张礼平.神经网络模型预报湖北汛期降水量的应用研究.气象学报, 2001, 59(6):776-782. http://www.cnki.com.cn/Article/CJFDTOTAL-QXXB200106013.htm [5] 张韧, 蒋国荣, 余志豪, 等.利用神经网络计算方法建立太平洋副高活动的预报模型.应用气象学报, 2000, 11(4):474-477. http://qikan.camscma.cn/jams/ch/reader/view_abstract.aspx?file_no=20000469&flag=1 [6] 熊秋芬等.神经网络方法在静止气象卫星多通道资料估算降水中的应用.气象, 2002, 28(9):17-21. http://www.cnki.com.cn/Article/CJFDTOTAL-QXXX200209004.htm [7] Vapnik V N.Statistical Learning Theory.John Wiley & Sons, Inc., New York, 1998. [8] fttp://www.kernel-machines.org/ -
下载:
图(3) / 表(6)
计量
- 摘要浏览量: 5202
- HTML全文浏览量: 721
- PDF下载量: 1542
- 被引次数: 0
