首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  免费   5篇
  国内免费   2篇
大气科学   8篇
  2007年   1篇
  2006年   2篇
  2005年   1篇
  2004年   3篇
  1988年   1篇
排序方式: 共有8条查询结果,搜索用时 12 毫秒
1
1.
双流机场低能见度天气预报方法研究   总被引:7,自引:2,他引:7       下载免费PDF全文
在信息量较大, 而预报对象与预报因子的关系又不清楚的状况下, 智能机器学习方法是解决这类问题的较好手段。利用1997—2001年成都站的常规探空资料和双流机场的地面观测资料, 使用支持向量机 (Support Vector Machines, 简称SVM) 方法, 选取多种核函数进行双流机场低能见度天气的预报建模试验。测试结果表明:以径向基函数和拉普拉斯函数构造的SVM预报模型实验效果最好, Ts评分分别为0.287和0.292, 远高于双流机场低能见度天气出现的频率 (0.155)。试验结果还表明:以径向基函数构造的SVM预报模型空报较多, 漏报较少; 而以拉普拉斯函数构造的SVM预报模型空报较少, 漏报较多。因此, 如果强调模型对低能见度天气预报的准确性, 则应采用以拉普拉斯函数构造的预报模型, 如果强调对低能见度天气的预防性, 则应采用以径向基函数构造的预报模型。  相似文献   
2.
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   
3.
天空云量预报及支持向量机和神经网络方法比较研究   总被引:9,自引:0,他引:9  
使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日~2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日~5月31日武汉市天空云量。交叉验证和实例预报的结果显示:虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。  相似文献   
4.
简要介绍了近年来倍受瞩目的一种处理高度非线性分类、回归等问题的计算机学习的新方法——支持向量机(SVM)方法;分析了这一方法的特点及其在数值预报产品释用及气象研究业务中的应用前景。SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等,因此不同于现有的统计方法。从本质上看,它避开了从归纳到演绎的传统过程,实现了高效的从训练样本到预报样本的“转导推理”(transductive inference),大大简化了通常的分类和回归等问题。SVM的最终决策函数只由少数的支持向量所确定,计算的复杂性取决于支持向量的数目,而不是样本空间的维数,这在某种意义上避免了“维数灾”。  相似文献   
5.
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   
6.
This article, on the basis of the expert's analyses and theories of the forecast of heavy-rain, summarizes a variety of the current instruments and methods of forecast and, according to the train of thought of the high-rank forecasters, distills their experiences in forecasting heavy-rain into an inference-tree of 106 junctures from which 101 rule-bases are derived. The logical calculation is automatically carried out with our introduced and developed PROLOG, one of the intelligent languages by means of micro-computer. This process adopts the uncertain inferential method based on the theory of fuzzy sets, breaks through the limits of two-value logic and is characteristic of the thinking of human brain.  相似文献   
7.
支持向量机回归方法在实时业务预报中的应用   总被引:16,自引:4,他引:16       下载免费PDF全文
冯汉中  陈永义 《气象》2005,31(1):41-44
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   
8.
简要介绍了近年来倍受瞩目的一种处理高度非线性分类、回归等问题的计算机学习的新方法——支持向量机(SVM)方法;分析了这一方法的特点及其在数值预报产品释用及气象研究业务中的应用前景。SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等,因此不同于现有的统计方法。从本质上看,它避开了从归纳到演绎的传统过程,实现了高效的从训练样本到预报样本的“转导推理”(transductive inference),大大简化了通常的分类和回归等问题。SVM的最终决策函数只由少数的支持向量所确定,计算的复杂性取决于支持向量的数目,而不是样本空间的维数,这在某种意义上避免了“维数灾”。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号