支持向量机方法在北京西南地区温度预报中的应用研究
SVM 函数估计即回归分析方法的基本思路是通过有限个样本数据,建立起反映输出和输入之间联系的函数关系,能够依据大量样本数据中通过训练学习,求出最优回归函数。考虑到北京西南地区地形复杂,地表形态分布涵盖山地、丘陵、平原,因此本文以北京西南部为研究对象,建立基于支持向量机技术的北京西南部地区26 个乡镇站点温度逐时预报释用模型。结果表明：SVM 方法对不同下垫面的温度预报均具有一定的指示作用,并对BJ-RUC 模式温度预报具有较好的订正能力；用SVM 预报方法对最高温度进行预报,以夏季预报准确率最高,对BJ-RUC 的改善效果在各季节均有正贡献,以冬季最优；用SVM 预报方法对最低温度进行预报,以冬季准确率最高,同BJ-RUC 相比,改善效果以秋季最优；从36 小时预报时效上看,SVM 预报方法与BJ-RUC 预报相比,除精确度提升外,增强了稳定性；SVM 方法对平原站的温度预报准确率高于山区站,但相较于BJ-RUC 的改善幅度山区站更为显著。此外,SVM 方法对典型过程的温度预报具有一定指示意义。
支持向量机(SVM) 温度预报 BJ-RUC模式
张薇 付宗钰 赵松
北京市房山区气象局,北京102488 北京市气象台,北京100089
国内会议
沈阳
中文
1-8
2012-09-01（万方平台首次上网日期，不代表论文的发表时间）