支持向量机方法在单站降水预报中的应用探讨

被引:7
作者
王建生 [1 ]
熊秋芬 [2 ]
机构
[1] 武汉中心气象台
[2] 中国气象局培训中心
关键词
SVM方法; 天空云量; 预报因子; 降水预报;
D O I
暂无
中图分类号
P457.6 [降水预报];
学科分类号
0706 ; 070601 ;
摘要
将武汉天空云量预报的81个预报因子运用到该站中等以上强度的降水预报中,基于SVM方法进行了交叉验证和预报试验。结果表明用81个预报因子建立的5~9月和全样本的降水预报模型有较好稳定性、且对降水都有正的预报技巧。因此天空云量的预报因子可以用来做降水的预报因子,同时也证明了这些预报因子在天空云量和降水预报中是协调的。SVM方法为天空云量和降水的预报提供了客观参考依据。
引用
收藏
页码:159 / 162
页数:4
相关论文
共 8 条
[1]   天空云量预报及支持向量机和神经网络方法比较研究 [J].
熊秋芬 ;
胡江林 ;
陈永义 .
热带气象学报, 2007, (03) :255-260
[2]   支持向量机分类方法在天空云量预报中的应用 [J].
熊秋芬 ;
顾永刚 ;
王丽 .
气象, 2007, (05) :20-26
[3]   支持向量机在短期气候预测中的应用 [J].
李智才 ;
马文瑞 ;
李素敏 ;
张瑞兰 ;
张红雨 .
气象, 2006, (05) :57-61
[4]   支持向量机方法与模糊系统 [J].
陈永义 .
模糊系统与数学, 2005, (01) :1-11
[5]   支持向量机回归方法在实时业务预报中的应用 [J].
冯汉中 ;
陈永义 .
气象, 2005, (01) :41-44+68
[6]   处理非线性分类和回归问题的一种新方法(Ⅱ)——支持向量机方法在天气预报中的应用 [J].
冯汉中 ;
陈永义 .
应用气象学报, 2004, (03) :355-365
[7]   处理非线性分类和回归问题的一种新方法(I)——支持向量机方法简介 [J].
陈永义 ;
俞小鼎 ;
高学浩 ;
冯汉中 .
应用气象学报, 2004, (03) :345-354
[8]   支持向量机及其应用研究综述 [J].
祁亨年 .
计算机工程, 2004, (10) :6-9