支持向量机在太阳辐射预报中的应用

被引:8
作者
张礼平 [1 ]
陈正洪 [2 ]
成驰 [2 ]
王晓莉 [3 ]
机构
[1] 武汉区域气候中心
[2] 湖北省气象科技服务中心
[3] 湖北省公众气象服务中心
关键词
支持向量机; 回归分析; 太阳辐射;
D O I
暂无
中图分类号
TP18 [人工智能理论]; P422.1 [太阳辐射];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 0706 ; 070601 ;
摘要
利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案:(1)将多因子和多预报量分别方差标准化,EOF场展开,提取主分量;(2)用SVM回归分析实现多因子主分量对多预报量主分量非线性预测;(3)由预报的多预报量主分量与对应空间函数反演原预报量。选用武汉预报日同一天气类型的上一日逐时(05—18时)总辐射、日最高温度、温度日较差、日天气类型观测值以及预报日的日最高温度、温度日较差、日天气类型预报值为因子,对预报日逐时辐射量进行预报。独立预报试验表明,预报与实况接近。
引用
收藏
页码:334 / 336+355 +355
页数:4
相关论文
共 3 条
[1]   支持向量机(SVM)及其在场预测中的应用 [J].
张礼平 ;
陈永义 ;
周筱兰 .
热带气象学报, 2006, (03) :278-282
[2]   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
[3]  
The Nature of Statistical Learning Theory .2 Vapnik VN. Springer-Verlag . 2000