-
题名支持向量机分类方法在天空云量预报中的应用
被引量：23
- 1
-
-
作者
熊秋芬
顾永刚
王丽
-
机构
中国气象局培训中心
武汉中心气象台
-
出处
《气象》
CSCD
北大核心
2007年第5期20-26,共7页
-
基金
"中国气象局数值模式创新基地"开放课题
"精细化气象要素预报业务系统"课题
"湖北省基于数值预报产品的精细化预报系统建设"课题资助
-
文摘
以2001年5月1日至2004年12月31日逐日武汉市地面、高空观测资料及欧洲中心24小时预报场等资料为基础,构建了不同的训练样本集,基于支持向量机方法进行了大量多因子的随机交叉验证,从而筛选出了包含最佳预报因子的训练样本集和相应的核参数g,建立了武汉市天空云量的预报模型。交叉验证结果表明预报模型是稳定性的、且具有较好的预报能力和推广应用能力。预报试验和实时预报的结果都显示出SVM方法对天空云量有一定的预报能力。
-
关键词
SVM方法
天空云量
预报
筛选因子
优化参数
-
Keywords
support vector machine（SVM） method cloud amount forecast select factors optimized parameters
-
分类号
P457
[天文地球—大气科学及气象学]
-
-
题名天空云量预报及支持向量机和神经网络方法比较研究
被引量：31
- 2
-
-
作者
熊秋芬
胡江林
陈永义
-
机构
中国气象局培训中心
中国气象科学研究院灾害天气国家重点实验室
-
出处
《热带气象学报》
CSCD
北大核心
2007年第3期255-260,共6页
-
基金
"精细化气象要素预报业务系统"
"中国气象局数值模式创新基地"开放课题
国家自然科学基金(60072006)共同资助
-
文摘
使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日～2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日～5月31日武汉市天空云量。交叉验证和实例预报的结果显示:虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。
-
关键词
支持向量机
人工神经网络
模型
天空云量
预报
-
Keywords
Support Vector Machine（SVM）
Artificial Neural Network（ANN）
Model Cloud amount
Forecast.
-
分类号
P457
[天文地球—大气科学及气象学]
-
