基于贝叶斯方法的中尺度对流系统移动方向研究

被引:1
作者
苏君毅
邱洁
过仲阳
戴晓燕
机构
[1] 华东师范大学地理信息科学教育部重点实验室
关键词
青藏高原; 中尺度对流系统; 贝叶斯分类;
D O I
暂无
中图分类号
P458.2 [中小尺度天气分析];
学科分类号
摘要
在朴素贝叶斯分类的基础上建立了一种增强型分类器系统,并在对1997~2002年夏季青藏高原上MCS(Mesoscale Convective System)进行自动追踪的基础上,对MCS的移动方向与其周边环境物理量场的分布特征进行了分类研究.进而,将分类结果与决策树、人工神经网络分类方法进行了比较.研究表明,与其他分类方法相比,使用增强型的贝叶斯分类器预测MCS的移动路径具有较好的效果,这为揭示高原上MCS的移动规律、提高长江中下游地区灾害天气预报的准确率提供了一种有效的方法.
引用
收藏
页码:41 / 46
页数:6
相关论文
共 7 条
[1]   流形群运动目标自动识别与跟踪模型结构及参数的最优配置 [J].
方兆宝 ;
林珲 ;
吴立新 ;
江吉喜 .
武汉大学学报(信息科学版), 2004, (03) :269-273
[2]   影响中尺度对流系统移动的知识发现 [J].
过仲阳 ;
林珲 ;
戴晓燕 ;
江吉喜 ;
吴健平 .
地理科学, 2003, (05) :579-584
[3]   空间数据挖掘的研究与发展 [J].
陈中祥 ;
岳超源 .
计算机工程与应用, 2003, (03) :5-7+33
[4]   夏季青藏高原上的对流云和中尺度对流系统 [J].
江吉喜 ;
范梅珠 .
大气科学, 2002, (02) :263-270
[5]   MCS的形态特征和外推预报 [J].
王登炎 .
气象, 2000, (08) :22-24
[6]   Spatio-temporal data mining for typhoon image collection [J].
Kitamoto, A .
JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2002, 19 (01) :25-41
[7]   THE STRENGTH OF WEAK LEARNABILITY [J].
SCHAPIRE, RE .
MACHINE LEARNING, 1990, 5 (02) :197-227