支持向量机在多台站云量业务化预报中的应用
本文以全国38个单站的天空云量为预报对象,以2007-2008年每日逐3小时的WRF模式输出产品的基本物理量为主要参考因子,基于支持向量机的方法进行预报因子筛选和核参数优化,分为冬半年(10月到次年3月)和夏半年(4月到9月),分别建立预报模型,探讨提高天空云量的预报准确率的方法.文中将总云量分为2级、3级、4级和11级的方法,每种分级情况都建立对应的预报模型.分析发现,对于2级(≥8)分类预报,SVM建立的模型有较高的拟合率和预报准确率,38个台站的3小时平均拟合率达到90.87％,24小时平均拟合率达到84.32％.3小时平均预报准确率达到80.75％,24小时平均预报准确率达到77.87％;与WRF模式预报的结果相比,SVM方法在多级(11级)分类预报上的优势非常明显,38个台站的3小时平均拟合达到63.46％,平均预报准确率达到57.97％,而WRF模式的预报准确率只有34.29％.由此可见,无论是拟合率还是预报准确率,SVM方法都有较大提高.
支持向量机 天空云量 分级预报 参数优化
安洁 王洪芳 齐琳琳 吴宁宁
空军装备研究院航空气象防化研究所,北京,100085 沈空气象中心,沈阳,110000
国内会议
北京
中文
1-4
2010-10-01（万方平台首次上网日期，不代表论文的发表时间）