双流机场低能见度天气预报方法研究
在信息量较大，而预报对象与预报因子的关系又不清楚的状况下，智能机器学习方法是解决这类问题的较好手段.我们利用1997～2001年成都站的常规探空资料和双流机场的地面观测资料，使用支持向量机(Support Vector Machines简称SVM)方法，选取多种核函数进行双流机场低能见度天气的预报建模试验.测试结果表明，以径向基函数和拉普拉斯函数构造的SVM预报模型实验效果最好，Ts评分分别为0.287和0.292，远高于双流机场低能见度天气出现的频率(0.155).试验结果还表明，以径向基函数构造的SVM预报模型空报较多，漏报较少；而以拉普拉斯函数构造的SVM预报模型空报较少，漏报较多.因此，如果强调模型对低能见度天气预报的准确性，则应采用以拉普拉斯函数构造的预报模型，如果强调对低能见度天气的预防性，则应采用以径向基函数构造的预报模型.
低能见度天气 支持向量机 拉普拉斯函数 径向基函数 预报模型 双流机场
冯汉中 陈永义 成永勤 罗可生
云南大学资环学院,昆明,650000;四川省气象台,成都,610071 中国气象局培训中心,北京,100081 成都双流机场空管中心,成都,610000 四川省气象台,成都,610071
国内会议
成都
中文
449-454
2006-10-01（万方平台首次上网日期，不代表论文的发表时间）