共查询到15条相似文献，搜索用时 171 毫秒
1.
采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。 相似文献
2.
利用中国气象局提供的1951—2018年台风最佳路径数据集,筛选经过江苏的热带气旋个例,发现历史上所有经过江苏的热带气旋都发生在夏秋季节。基于春季130种气候信号指数,利用C4.5决策树算法建立“台风是否经过江苏”的预测模型。结果表明:基于C4.5算法的决策树能够较为直观且准确地对每年“台风是否经过江苏”进行预测。利用1951—2000年(51 a)的数据样本进行训练,学习准确率达到82%,利用2001—2018年(18 a)的数据样本对模型进行泛化能力测试,测试准确率达到83.3%,最后利用2019年第9号热带气旋“利奇马”经过江苏的事实进行个例检验,符合决策树规则C。可以证明C4.5算法对“台风是否经过江苏”的预测具有较高的准确率和通用性。 相似文献
3.
基于C4.5算法的长江中下游地区夏季降水预测模型研究及应用 总被引：2，自引：0，他引：2
为了对长江中下游夏季降水进行短期气候预测,利用国家气候中心提供的74项环流指数和NOAA整编的西太平洋型WP指数、MEI指数、ENSO指数等多种全球环流指数资料,归纳整理了影响长江中下游夏季降水的34个前期春季因子,讨论了前期春季因子与夏季降水的关系,并利用这34个前期春季因子通过数据挖掘中的C4.5算法对1951—2013年(63 a)长江中下游夏季降水,建立判别降水偏多以及偏少的两类决策树预测模型,并分别得到5条和7条综合判别规则。随机选取80%左右历史年份数据作为模型的训练集,两模型的训练集准确率分别为94.12%和93.88%,剩余20%年份数据作为模型测试集,模型的测试预测准确率分别达91.67%和85.71%。模型预测应用也显示结果正确。模型研究和应用显示,基于C4.5算法的长江中下游夏季降水预测模型具有较高的预测准确率,模型构建合理有效,判别规则依据大数据理论,广泛考虑相关因子以及因子的排列组合,智能化选择关键因子,易于客观化、自动化实施,为长江流域汛期降水的短期气候预测提供了新的思路与方法。 相似文献
4.
利用1961—2010年重庆34个气象观测站夏季降水资料及国家气候中心130项环流指数,采用机器学习的决策树和随机森林方法建立重庆夏季旱涝预测模型,通过2011—2018年预测效果检验发现,夏季同期环流指数决策树模型和前冬海温指数决策树模型预测的8 a降水异常趋势均正确,比考虑单一指数的PC评分分别提高37.5%和12.5%。此外,用随机森林模型预测重庆2014—2018年的夏季降水,5 a平均PS、CC和PC评分分别是84.6、0.27和67.1,相比于业务发布预报质量均有明显提高,且随机森林的预测质量较为稳定。 相似文献
5.
基于C4.5决策树算法的道路结冰预报模型构建及应用 总被引：2，自引：0，他引：2
道路结冰是气象上规定的主要灾害性天气之一,准确认识道路结冰发生规律并科学有效地预报是防灾减灾的关键问题。以影响道路结冰的日积雪深度、日最低气温、日降水量等气象要素为主要因子,将是否结冰抽象成二元分类问题,借助数据挖掘中C4.5决策树算法进行分类分析,得到便于预报员使用的预报道路结冰规则集。在实验部分,选取2004—2013年连云港和嘉定为例,用前8 a的连云港(嘉定)地区道路结冰数据样本进行分类规则的学习,从而得到适合连云港(嘉定)地区的4(3)条预报道路结冰规则集,然后用剩下2 a的数据进行检验,准确率高达96.82%(94.87%)。实验表明采用C4.5决策树算法构建的道路结冰预报模型不仅预报准确率高、易解释、方便预报员直接使用,而且预报规则与道路结冰现象的天气过程及理论一致。 相似文献
6.
海雾无论在海上还是在沿岸地带，都因其恶劣的能见度对交通运输、海洋捕捞和海洋开发工程以及军事活动等造成不良影响，因此对于海雾的实时监测和预报就显得尤为重要。本文提出了基于深度学习的静止气象卫星多通道图像融合分割算法，使用D LinkNet深度卷积神经网络语义分割算法模型对黄渤海海域范围的16通道、空间分辨率为0.5 km的Himawari 8卫星数据进行研究。分别采用均交并比（mIOU）以及观测值检验作为评价指标，在测试集上的mIOU为0.9436，并且用卫星测试数据结果与海上观测数据结果进行对比，得出雾区准确率（检测有雾且真实有雾/检测有雾）为66.5%，雾区识别率（检测有雾且真实有雾/（真实有雾-云覆盖））为51.9%，检测正确率(检测正确/总样本)93.2%。本文提出的方法能为海雾监测提供一个可靠的参考。 相似文献
7.
基于气象要素建立关键气象因子模型、气候适宜度模型、辐热积模型,并根据模型预测准确率确定权重系数构建江西省油菜产量集成预测模型,对集成模型的预测效果和基础模型进行对比分析。结果表明:1)关键气象因子模型4月中旬预测准确率低于其他模型,三种基础模型的权重系数依次为0.3、0.35、0.35,5月中旬预测准确率基本一致,权重系数依次为0.34、0.33、0.33。2)对于集成模型趋势一致率,1991—2010年回代检验结果5月中旬最高,4月中旬仅次于气候适宜度模型;2011—2015年两个时次预测趋势一致率均为100%,达最高。3)2011—2015年集成模型预测检验RMSE最低,预测准确率均在97%以上。油菜集成模型预测的准确性和稳定性总体优于基础模型,可应用于江西省气象业务服务。 相似文献
8.
基于2016—2017年北部湾海洋气象浮标站、海岛站、内陆站的观测资料,对北部湾海雾的季节变化、生消特征和持续时间进行了统计分析,并探讨了海上和陆地大雾的差异性。结果表明:①2016年北部湾出现海雾37d,2017年为19d;3月海雾日数最多,4月次之,12月和6—10月未出现海雾;一天中出现雾的峰值时间为03:00—05:00,雾消散峰值时间为08:00—10:00;雾的维持时间绝大部分在3h以内。②北部湾不同的地域和下垫面,雾的生消时间有所不同,海上雾(浮标站)的出现时间较海岛雾(涠洲岛站)、沿岸陆地雾(北海站)约提前3h左右,消散时间推迟约3h左右。③北部湾海雾绝大多数发生在风速小于等于5m/s的情况下,以1～3m/s最为适宜,海上雾多出现在NNE-SE情况下,沿岸雾偏南风居多;95%的海雾出现在海水温度低于25.0℃条件下。 相似文献
9.
为了提高对黄渤海海雾天气海面大气水平能见度（以下简称“能见度”）的数值预报能力,利用黄渤海23个沿岸和岛屿测站2013—2017年雾天的地面观测数据,构建了基于湿度信息的能见度算法（A-F算法）,并将之应用于黄渤海海雾的能见度数值预报。结果表明,与常用的根据模式预报的云水含量诊断能见度的SW算法（Stoelinga and Warner,1999）相比,A-F算法表现更优,尤其可以诊断出被SW算法漏报的能见度为1～3 km的轻雾,说明A-F算法对黄渤海海雾天气能见度的数值预报具有一定应用价值。若将来加入浮标与船舶观测数据,可以进一步改进A-F算法能见度公式的具体形式;依据本文构建A-F算法的思路,可以发展适合其他海域的海雾天气能见度诊断公式。 相似文献
10.
基于2020年上半〖JP3〗年我国东部近海站点观测资料和葵花 8卫星反演海雾产品对我国自主研发的GRAPES TYM〖JP〗模式进行了海雾预报性能评估。点、面检验结果表明：模式48 h和72 h TS分别为0.40和0.36，黄海海雾预报性能最优，34°～37°N海域内大部分站点TS高于0.50。黄海海雾落区预报检验显示均压场形势下预报最准确，平均临界成功指数为0.35；气旋后部海雾多空报。2 m相对湿度预报偏差具有局地性特征，相对湿度低估的站海雾预报击中率、TS相对低，反之亦然。另外，模式对成雾相关气象要素预报误差相对小且对成雾有利时海雾预报基本正确；模式预报风向较实际风向偏东南，易出现冷偏差和湿偏差，虚假的有利温湿条件导致海雾空报。 相似文献
11.
为推动区域旅游事业发展,满足旅游气象服务需求,研究针对云南元江哈尼云海景观进行了立体气象观测和业务预报实验。本研究基于云南元江云海气候站2016—2019年观测数据,利用经验预报法、Logistics回归、支持向量机、决策树分析等方法,进行了云海景观出现与否的二分类预报实验。结果表明：各预报方法间训练样本总体准确率在74.3%—82.2%之间差别不大,但传统经验预报基于云海机理研究背景,预报指标物理意义明确,随着预报经验的积累经验预报2019年TS评分为54.8,优于2016—2018年TS评分46.0,也优于仅使用局地数据的统计学习算法的预报评分,且其他几种统计学习预报方法的检验样本TS评分均不如训练样本评分高。云海景观出现需要水汽条件和大气静稳条件的配合,局地云海气象观测站建设收集的立体气候数据有利于预报人员改进预报指标体系,提高预报准确率,有利于提升区域旅游气象服务能力发展。 相似文献
12.
本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明：海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。 相似文献
13.
14.
重庆市区雾的天气特征分析及预报方法研究 总被引：5，自引：1，他引：4
分析了重庆市区雾的特点、天气特征及温、湿等气象要素垂直分布特征,利用重庆站的观测资料选取适当的诊断因子,采用动态学习率BP算法的人工神经网络对重庆市区能见度进行了拟合和预报检验。研究表明:55年以来,重庆年雾日数总体呈逐年下降趋势,同时轻雾日数急剧上升,这种变化可能主要与城市热岛效应增强和空气污染状况加重有关;发展成熟的辐射雾大多具有逆温的稳定结构,雾顶上下温度、湿度存在明显跃变特征;神经网络模型具有较强的自适应学习和非线性映射能力,对能见度为0~1 km雾的报出率为83%,Ts评分达到69%,平均预报误差为0.384 km。除常规气象要素外,通过M指数、Ri数、凝结核、辐射状况和其他物理量的引入,以及对因子网络输入值的技术处理,明显提高了神经网络对雾尤其浓雾的预报能力,其对能见度在0.4 km以下浓雾预报的Ts评分可达89.5%。模型结果对重庆市区雾的预报具有良好的参考价值。 相似文献
15.
为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。 相似文献