共查询到18条相似文献，搜索用时 203 毫秒
1.
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
2.
将气候预测中常用的74项环流特征量进行归一化处理后,与郑州市冬季气温进行相关普查,利用SVM(SupportVectorM ach ine)两类分类方法,同时考虑气温的年代际变化,建立郑州冬季温度距平趋势预测推理模型,并对因子个数多少和年代际变化对预测模型的影响进行了试验。试验结果表明:用25个和15个因子分别建模时,产生最优模型时样本平均Ts评分均为56%,但后者预报准确率为75%,较前者提高了10%。用20世纪50年代和60年代做试验集,效果较好,产生最优模型时的样本Ts评分和预报准确率较高;用90年代做试验集,效果较差。 相似文献
3.
将气候预测中常用的74项环流特征量进行归一化处理后,与郑州市冬季气温进行相关普查,利用SVM(Support Vector Machine)两类分类方法,同时考虑气温的年代际变化,建立郑州冬季温度距平趋势预测推理模型,并对因子个数多少和年代际变化对预测模型的影响进行了试验.试验结果表明用25个和15个因子分别建模时,产生最优模型时样本平均Ts评分均为56%,但后者预报准确率为75%,较前者提高了10%.用20世纪50年代和60年代做试验集,效果较好,产生最优模型时的样本Ts评分和预报准确率较高;用90年代做试验集,效果较差. 相似文献
4.
分析了北京市道面温度在冬季和夏季不同天气状况下的日变化,利用2012—2015年的道面站温度与北京区域模式输出的气象要素之间的相关关系,以5个道面站为代表站筛选不同相关因子建立多个道面冬季最低温度和夏季最高温度的线性回归统计预测模型,并对2016—2017年冬季、夏季道面温度预测检验。结果表明:在不同天气条件下道面温度与气温变化对比明显;道面温度与气温、辐射、日照时数相关较大;夏季按天气类型建模预测准确度有所提升,在晴到多云状况下,模型预测冬季最低温度误差控制在±2℃内,夏季最高温度误差控制在±3℃左右,其他天气状况下误差增大,冬季预测模型好于夏季预测模型。 相似文献
5.
支持向量机回归方法在实时业务预报中的应用 总被引：20，自引：4，他引：16
简要介绍了支持向量机(Support Vector Machine,简称SVM)回归方法的基本原理,并介绍了基于SVM回归方法,利用1990～2000年1～12月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料构造预报因子,建立德阳市5个代表站的日平均气温、日最高气温、日最低气温的SVM回归预报模型及其在业务化运用中的效果。 相似文献
6.
利用2004—2006年11月至次年二月的每半小时一次的自动气象站观测资料,分别建立了乌鲁木齐机场跑道视程大于800m和小于800m2个支持向量学习机(SVM)推理模型,并进行了跑道视程的预测试验,结果显示:对训练集的回报、对试验集的预报、对检验集预测的TS评分在48%～75%之间,较高TS评分表明:所建SVM推理模型对跑道视程具有一定的预测能力,可为跑道视程预测业务提供参考。 相似文献
7.
利用1979—2010年我国冬季522个站点的日平均温度资料,使用基于尺度分离的多元线性回归方法建立预报模型,对我国冬季的持续低温事件的预报做了一定的尝试。将温度按照一定的方法进行尺度分离,分解出年际、月、季节内尺度温度,对各个部分分别进行拟合再相加。挑选特定海区的海温、北极海冰作为年际尺度温度预测因子,多个低频气象场作为季节内温度预测因子,利用1979—2003年资料拟合出各因子回归系数。用重构的冬季温度挑选出持续低温事件并与实际的事件进行对比检验,计算出此方法的TS评分为0.57,再利用2008年初我国南方大范围的持续低温事件检验拟合结果。检验结果表明基于时间尺度分离的多元线性回归方法在持续低温事件的预报中有一定的参考意义。 相似文献
8.
9.
支持向量机在短期气候预测中的应用 总被引：9，自引：1，他引：9
支持向量机（SVM，Support Vector Machines）是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题，是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象问的非线性关系，SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子，建立了阳泉夏季降水正、负距平的SVM非线性分类模型，同时也建立了阳泉夏季降水的SVM回归模型，并进行了相应的预报试验，结果显示，对应的SVM分类模型和回归模型均具有良好的预报能力。 相似文献
10.
11.
冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升（XGBoost）、支持向量机（SVM）、深度神经网络（DNN）3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。 相似文献
12.
支持向量机方法在冰雹预报中的应用 总被引：2，自引：1，他引：1
支持向量机（Support Vector Machines简称SVM）方法是近年发展起来的一种新的统计学习理论方法,本文通过对这一方法的学习,总结陇东主要降雹的环流形势特点,利用这一新方法对冰雹分类预报进行了探讨,经检验,效果较好。并与传统的天气分型后制作预报模式进行了比较,验证了SVM方法不需要进行天气分型,这样总样本数多,建立的预报模型效果好。这为基层台站制作天气预报模式提供了一种新方法和新思路。 相似文献
13.
年际增量方法在西南夏季降水预测中的应用 总被引：1，自引：0，他引：1
利用中国西南地区80站逐月降水资料及NCEP/NCAR再分析资料等,采用降水预测新方法——年际增量法,考察影响中国西南地区夏季降水年际增量的前期冬、春季大气环流年际增量状况,并选取5个关键影响因子,采用多元回归法建立中国西南夏季降水年际增量预测模型。对降水年际增量进行预测,在1971—2010年的建模阶段,预测模型的拟合率为0.78,在2011—2017的后报检验7年中,有6年与实况值同位相。后报检验2011—2017年的降水距平百分率,均方根误差为16%。为考察对降水异常分布型的预报效果,逐站建立回归方程,并进行趋势预报检验,近5年的趋势异常综合评分高于发布预测,预报效果较好。因此,该方法的应用及模型的建立对提高西南地区夏季降水预测水平有重要意义。 相似文献
14.
基于宁宿徐高速公路三个交通气象站2015—2018年冬季逐10 min实时观测资料,使用随机森林回归模型预报这三个站的未来1 h冬季路面温度,分析了该模型在冬季路面温度预报中的可行性和适用性。研究结果表明:随机森林回归法可以被用来预报高速公路冬季路面温度,不同类型的交通气象站点的特征输入方案和参数调试标准存在差异;与简单特征相比,引入的复合特征能更好地补充解释交通气象站所处的环境和气象要素,且其对普通路面交通气象站和靠近桥梁、水体的交通气象站的区分度更高,故引入复合特征的随机森林回归模型可以被用来预报高速公路冬季路面温度,且其在对普通路面交通气象站和靠近水体、桥梁的交通气象站的预报效果较好,而对服务区交通气象站的预报效果略差;袋外误差率的降低并不代表预报精度的提高;引入复合特征的随机森林回归模型不论在何种天气状况下,均可用于各不同类型交通气象站冬季路面温度的预报,雨雪天时的预报效果最佳,阴天其次,晴天略差。 相似文献
15.
利用1979—2015年中国国家气候中心整编的160站月平均气温和NCEP/NCAR全球大气再分析资料,从1979/1980—2008/2009年冬季前期500 h Pa高度场、200 h Pa势函数和850 h Pa势函数场选择预测因子,考虑不同时效因子的组合及其独立性,综合应用多因子回归集合、交叉检验集合、逐月滚动集合,建立了针对中国冬季气温的逐月滚动预测模型,并利用该模型对2010/2011—2014/2015年冬季气温进行了独立预测试验和检验。结果表明,综合运用多种集合可提高短期气候客观定量预测的可行性和稳定性。多因子回归集合能增加可预测站点数,交叉检验集合可减少因统计关系不稳定而产生的对预报效果的影响,逐月滚动集合的应用不仅增加了可预测站点数,而且使预测效果更加稳定。本文建立的预测模型可对中国冬季气温进行长时效的预测,且有一定的预报技巧,对实际的季节预测业务有重要应用价值。 相似文献
16.
相似集合预报方法在北京区域地面气温和风速预报中的应用 总被引：1，自引：0，他引：1
相似集合是近年来提出的一种基于相似理论、大数据挖掘和集合预报思路的统计释用方法。文中首先介绍了相似集合的基本原理,并应用该方法对北京快速更新循环数值预报系统（BJ-RUC）v3.0预报地面要素开展了订正释用试验。结果表明,相似集合订正后,在0—36 h预报时段内,10 m风速的均方根误差降低44%,2 m气温的均方根误差降低22%,均方根误差均显著减小。对比测站预报误差的水平分布,相似集合方法的应用对于提升非城区站点的10 m风速预报、复杂地形区域的2 m气温预报具有更为明显的效果。相同预报因子的相似集合和支持向量机方法对模式10 m风速和2 m气温预报均具有显著且相似的订正效果,但相似集合方法具有计算资源需求较少、不需要大量人工干预的优势。相似集合方法形成的集合较好地模拟了模式平均误差的增长情况,集合离散度与集合平均均方根误差表现出理想的统计一致性,即相似集合方法在形成确定性预报的同时,还能够提供预报要素的不确定性或概率信息。因此,相似集合方法在模式预报订正及释用方面具有广阔的应用前景。 相似文献
17.
为了能结合数值预报产品做好广东省逐日最低气温的预报,利用1998~2007年冬季(11月~次年2月)美国NCEP/NCAR再分析资料和常规气象观测资料,选取20°~27.5°N,107.5°~117.5°E区域内的海平面气压、850 hPa温度、850 hPa相对湿度、850 hPa纬向风(u)、850 hPa经向风分量(v)和500hPa位势高度等6个要素作为预报因子,以韶关、梅州、广州、阳江、汕头等5个站分别作为广东5个部分的代表站,采用能选取"最优"因子的逐步回归方法建立5个代表站的11月~次年2月逐日的最低气温预报方程,并对预报方程进行检验。结果表明:采用逐步回归预报方法建立的广东省5个代表站的逐日最低气温预报方程具有一定的预报能力,但也存在预报结果比实况偏低的不足。 相似文献
18.
根据2008—2010年夏季邵阳地区的NCEP全球再分析资料(分辨率为1°×1°)和闪电定位资料,利用支持向量机(SVM)分类方法建立该地区雷暴潜势预报模型,并用测试样本检验了该模型的预报能力,同时与Logistic回归模型和Bayes判别法的预报效果进行了比较。结果表明,SVM模型的预报准确率为86.21%,虚警率为15.25%,漏报率为13.79%。对比三种模型的TSS技术评分,发现使用SVM方法建立的模型对邵阳地区雷暴预报的效果最好,评分值为0.79。因此,SVM方法所建立的模型可以为邵阳地区6 h的雷暴潜势预报提供一定的参考价值。 相似文献