支持向量机在短期气候预测中的应用

被引：26

作者：

李智才 ^{[1
]}

马文瑞 ^{[1
]}

李素敏 ^{[1
]}

张瑞兰 ^{[2
]}

张红雨 ^{[2
]}

机构：

[1] 山西省阳泉市气象局

[2] 山西省气象局

来源：

气象 | 2006年 / 05期

关键词：

支持向量机(SVM); 非线性分类; 非线性回归; 短期气候预测;

D O I：

暂无

中图分类号：

P46 [气候学];

学科分类号：

摘要：

支持向量机(SVM,Support Vector Machines)是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题,是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象间的非线性关系,SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子,建立了阳泉夏季降水正、负距平的SVM非线性分类模型,同时也建立了阳泉夏季降水的SVM回归模型,并进行了相应的预报试验,结果显示,对应的SVM分类模型和回归模型均具有良好的预报能力。

引用

页码：57 / 61

页数：5

共 8 条

[1] 支持向量机(SVM)方法在气象预报中的个例试验 [J].