共查询到10条相似文献,搜索用时 687 毫秒
1.
SVM(Support Vector Machine)方法的基本思想是:通过非线性映射把样本空间映射到一个高维乃至于无穷维的特征空间(Hilbert空间),在特征空间中寻求最优划分或回归线性超平面,从而解决样本空间中的高度非线性分类和回归等问题.利用1998~2000年9~11月T106-36小时预报的各种输出产品构造因子,以单站有无降水为预报对象,采用MOS法方式构造样本,通过训练建立了单站的晴雨SVM分类预报模型,利用1990~2000年4~9月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料,确定关键区域,构造预报因子,以PP法方式构造样本,通过训练建立了四川盆地内单站气温的SVM回归预报模型,并进行了模拟试验,结果表明,无论是单站晴雨的SVM分类预报模型还是单站平均气温的SVM回归预报模型都显示出了良好的预报能力. 相似文献
2.
支持向量机(SVM)方法在气象预报中的个例试验 总被引:4,自引:0,他引:4
SVM(Support Vector Machine)方法的基本思想是:通过非线性映射把样本空间映射到一个高维乃至于无穷维的特征空间(Hilbert空间),在特征空间中寻求最优划分或回归线性超平面,从而解决样本空间中的高度非线性分类和回归等问题。利用1998~2000年9~11月T106—36小时预报的各种输出产品构造因子,以单站有无降水为预报对象,采用MOS法方式构造样本,通过训练建立了单站的晴雨SVM分类预报模型,利用1990~2000年4~9月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料,确定关键区域,构造预报因子,以PP法方式构造样本,通过训练建立了四川盆地内单站气温的SVM回归预报模型,并进行了模拟试验,结果表明,无论是单站晴雨的SVM分类预报模型还是单站平均气温的SVM回归预报模型都显示出了艮好的预报能力。 相似文献
3.
将SVM(Support Vector Machine)分类和回归方法首次应用于气象预报试验。利用1990~2000年4~9月ECMWF北半球的500 hPa高度、850 hPa温度、地面气压的00:00 UTC分析场资料,建立四川盆地分区面雨量有无大于15 mm的SVM分类推理模型、四川盆地内单站气温的SVM回归推理模型,进行相应的预报试验,试验结果显示对应的SVM推理模型具有良好的预报能力。 相似文献
4.
5.
支持向量机(SVM)及其在场预测中的应用 总被引:2,自引:3,他引:2
介绍一种新的非线性回归分析方法--SVM回归.利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案:(1) 将因子场和预报场分别用方差标准化、EOF场展开,提取两场时间系数;(2) 用SVM回归分析实现因子场时间系数对预报场时间系数非线性预测;(3) 由预测的预报场时间系数与对应空间函数反演原场.用交叉检验的方法,对1960~2003年1月热带海表温度场预报汛期(6~8月)华中区域降水场进行试验.SVM回归44年独立预报平均技巧评分10.4%,较随机预报具有明显的技巧水平,优于经典回归. 相似文献
6.
本文采用ECMWF北半球500hPa高度、850hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好。 相似文献
7.
本文采用ECMWF北半球500 hPa高度、850 hPa温度和地面气压的分析场资料和预报场资料,运用最优子集回归方法,建立温江日均气温、日最高及最低气温预报模型,进行试报,并对预报结果进行了检验,其结果表明最优子集回归方法可以运用在逐日分县要素客观预报中,且PP法比MOS法预报效果好. 相似文献
8.
9.
10.
极端气温集成预报方法对比 总被引:4,自引:0,他引:4
用2003-2009年ECMWF和庆阳市极端气温资料建立最高最低气温SVM、Kalman、多元线性回归3种统计方法的预报模型,采用平均、加权、回归3种方法进行预报集成,对庆阳市2010年6-12月各预报方法及5个时次集成预报进行评估.结果表明:单一的SVM、多元回归和集成方法最低气温预报5个时次的准确率均高于最高气温0.8%~24.2%,集成后加权法准确率最高,但最高和最低气温选取权重不同,SVM权重大时最高气温效果好,多元回归权重大时最低气温效果好.随着预报时效的增加,单一的预报方法和集成预报,预报准确率降低.逐月评估表明,单一的SVM准确率较高且预报性能稳定,Kalman准确率较低,回归方法各月差异大,预报不稳定,集成后,3种集成方法的预报比单一的预报方法均有所改善和提高.绝对误差分析表明,加权集成后最高和最低气温误差都较小,优于平均集成法和回归集成法. 相似文献