南京地区灰霾预报方法试验研究
支持向量机(SVM)是基于统计学理论的一种新的机器学习方法，它通过核函数实现从样本空间到高维特征空间的非线性映射，通过支持向量来刻化预报因子与预报对象之间的非线性关系，从而解决本质上的非线性问题。利用2004～2007年南京站的常规地面观测资料和探空资料，使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时能见度预报模型。试验结果表明：南京地区霾日的SVM分类预报模型，Ts评分均在0.4以上，加入当天08时资料的样本空间所建立的模型预报准确率高于仅用前一天20时资料的；而有霾日14时的能见度预报SVM回归模型，按能见度误差范围为±3km算，准确率均达到了85”％”以上，最高达91.4”％”。二者的预报结果较为满意，可以给实际业务提供参考。
支持向量机 灰霾天气 预报试验 SVM分类 能见度模型
毛宇清 孙燕 陈曲 沈澄
南京市气象台，南京，210009 江苏省气象台，南京，210008
国内会议
杭州
中文
8-16
2009-10-14（万方平台首次上网日期，不代表论文的发表时间）