首页 | 本学科首页   官方微博 | 高级检索  
     检索      

KNN数据挖掘算法在北京地区霾等级预报中的应用
引用本文:熊亚军,廖晓农,李梓铭,张小玲,孙兆彬,赵秀娟,赵普生,马小会,蒲维维.KNN数据挖掘算法在北京地区霾等级预报中的应用[J].气象,2015,41(1):98-104.
作者姓名:熊亚军  廖晓农  李梓铭  张小玲  孙兆彬  赵秀娟  赵普生  马小会  蒲维维
作者单位:京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089;京津冀环境气象预报预警中心,北京 100089; 中国气象局北京城市气象研究所,北京 100089
基金项目:中央级公益性科研院所专项基金(IUMKY201303PP0103)、国家科技支撑计划项目(2014ABC16B04)、北京市科技计划项目(Z131100006113013)和首都蓝天行动培育专项(Z141100001014013)共同资助
摘    要:利用北京地区2013年气象数据以及PM2.5浓度数据与能见度数据进行对比分析,结果发现气温、气压、相对湿度、露点温度、地面U风、地面V风以及PM2.5小时浓度这7个要素是影响北京地区霾等级的关键因素。利用气温、地面气压、相对湿度、露点温度、U风、V风分量以及PM2.5浓度作为7个属性特征,以霾等级做为标志量构建训练样本集,结合KNN(K Nearest Neighbor)数据挖掘算法构建霾等级预报分类器,并开展霾等级客观识别实验。结果表明K=3时该分类器的分类预报效果最佳,其13个站点的分类准确率高达88.2%。基于该算法构建的KNN模型预报无霾时的漏报概率很小,准确率高达91.8%;预报有轻度霾、中度霾以及重度霾时,空报的概率仅分别为4.7%、1.4%和2.6%。2014年8月29日至9月2日北京地区一次霾天气过程的预报结果表明:南郊观象台、密云和延庆3站的预报准确率分别达到74%、64%和84%,但霾等级的精度方面还有待于进一步提高。

关 键 词:数据挖掘,  KNN,  霾,  预报
收稿时间:9/4/2014 12:00:00 AM
修稿时间:2014/11/18 0:00:00

Application of KNN Data Mining Algorithm to Haze Grade Forecasting in Beijing
XIONG Yajun,LIAO Xiaonong,LI Ziming,ZHANG Xiaoling,SUN Zhaobin,ZHAO Xiujuan,ZHAO Pusheng,MA Xiaohui and PU Weiwei.Application of KNN Data Mining Algorithm to Haze Grade Forecasting in Beijing[J].Meteorological Monthly,2015,41(1):98-104.
Authors:XIONG Yajun  LIAO Xiaonong  LI Ziming  ZHANG Xiaoling  SUN Zhaobin  ZHAO Xiujuan  ZHAO Pusheng  MA Xiaohui and PU Weiwei
Institution:The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089;The Beijing Tianjin Hebei Environmental Meteorological Forecasting and Warning Center, Beijing 100089; Institute of Urban Meteorology, CMA, Beijing 100089
Abstract:
Keywords:data mining  K Nearest Neighbor (KNN)  haze  forecast
点击此处可从《气象》浏览原始摘要信息
点击此处可从《气象》下载免费的PDF全文
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