排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
准确识别云对提升天气预报和气候预测准确性有着重要意义,传统的阈值法和聚类法很难找出统一通用的阈值标准和方法,随着机器学习在云分类领域的应用和发展,在分类速度和分类精度上都有了明显提升。本实验对风云二号G星的红外云图进行预处理并构建卫星云图样本库,通过提取云图纹理特征再结合支持向量机（SVM）、随机森林（RF）和XGBoost分类器实现了对“晴空”、“层积云或高积云”、“积雨云”、“密层云”和“卷层云”的分类,实验结果表明：①三种分类器对该实验云分类的平均准确率分别为RF（62.5%）＞XGBoost（61.7%）＞SVM（60.0%）;②三种分类器对“层积云或高积云”的分类都最好且稳定,平均分类精度均达到了90%以上,最高为91.5%;③SVM对密层云（67.9%）、RF对卷层云（68.9%）、XGboost对晴空（68.3%）的分类效果次之,平均分类精度均达67%以上。 相似文献
2.
贵州能源资源丰富,随着“碳达峰、碳中和”目标推进,以风力发电和光伏发电为主的新能源建设和发电占比近年来增长迅速,结合气象要素对新能源进行功率预测是气象服务切入以新能源为主导的新型电力系统建设发展的重要主题。贵州地理环境特殊,新能源设施建设布局和影响其运行的天气气候因素也较复杂。本文根据调查研究,结合我省新能源建设运营情况,首先针对国内和贵州省气象部门服务新能源功率预测的相关观测、预报、服务、管理的能力与不足进行了探讨,并进一步探究市场需求与现有支撑的衔接和困境。以及针对市场环境的变化,对气象业务能力和体系如何高效适配未来以新能源为主的电力市场的需求和发展提出了一些设想和建议。 相似文献
1