使用SVM进行短期气候预测的应用试验     

高宇  燕东渭  杨艳  赵国令  刘志镜 《沙漠与绿洲气象(新疆气象)》2006,29(5):15-16

从气象角度介绍了利用SVM方法的预报原理,对西安短期气候预测做了实验,并分析预报结果,得出SVM方法在天气预报领域有一定的使用空间的结论。  相似文献   

SVM和ANN方法在铜川盛夏暴雨预报中的对比试验     

燕东渭  杨艳  孙田文  刘志镜 《山西气象》2006,(3):15-17

分析了运城市1964年～2003年自然降水的变化趋势和季节分布特征,发现年降水量以14m m/10a速率快速递减,春、夏、秋季的降水处于减少的趋势中,冬季没有明显的变化趋势。年降水的不断减少及其在不同季节的分布特征对该市冬小麦生产十分不利。  相似文献   

SVM和ANN方法在铜川盛夏暴雨预报中的对比试验          下载免费PDF全文

燕东渭  杨艳  孙田文  刘志镜 《陕西气象》2006,(3):15-17

介绍了利用SVM(支持向量机)方法的预报原理,并分别用SVM和ANN(人工神经网络)两种方法对铜川盛夏暴雨的预测做了对比试验。分析预报结果表明,SVM方法在天气预报领域有一定的使用空间,并指出了SVM在气象领域应用研究的方向。  相似文献   

支持向量数据描述在西北暴雨预报中的应用试验   总被引：1，自引：0，他引：1       下载免费PDF全文

燕东渭  孙田文杨艳方建刚  刘志镜 《应用气象学报》2007,18(5):676-681

传统机器学习中通常隐含假设所研究问题是类别平衡的, 气象预报中预测灾害天气时就不满足这个假设, 这时往往需要预测重要而稀少的正类 (少数类)。传统机器学习以精度最大化为目标, 在遇到不平衡类别问题时, 容易训练出把所有实例都分为反类 (多数类) 的平庸的分类器。支持向量数据描述是从支持向量机 (SVM) 发展而来的基于核的机器学习方法, 只使用一类样本就可以工作, 适合于不平衡类别。以铜川暴雨预测作为试验对象, 对SVM和支持向量数据描述 (SVDD) 进行了对比试验。试验结果表明对于这个不平衡类别问题SVDD具有优势。  相似文献