| 最小二乘支持向量机在云量预报中的应用 |
| |
| 引用本文： | 胡邦辉,刘丹军,王学忠,高传智.最小二乘支持向量机在云量预报中的应用[J].气象科学,2011,31(2):187-193. |
| |
| 作者姓名： | 胡邦辉 刘丹军 王学忠 高传智 |
| |
| 作者单位： | 1. 解放军理工大学气象学院,南京,211101
2. 解放军理工大学气象学院,南京,211101;解放军96263部队,河南,洛阳,471500 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 基于2003-2006年逐年1、8月WRF区域数值预报产品和单站观测资料,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,分别按月通过不同长度样本序列建立了台北和厦门站总云量和低云量短期释用预报模型,利用2007年1、8月样本资料对模型进行了预报和检验,并与神经网络方法进行了对比.结果表明:最小二乘支持向量机回归方法的预报效果要好于神经网络方法;两站不同长度样本的总云量和低云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低.可见,最小二乘支持向量机回归在云量等气象要素释用预报方面,具有较好的应用前景.
|
| 关 键 词： | 支持向量机 核函数 云量 预报 |
| 收稿时间： | 2010/1/30 0:00:00 |
Application of least squares support vector machine in prediction of cloud cover |
| |
| HU Banghui,LIU Danjun,WANG Xuezhong and GAO Chuanzhi.Application of least squares support vector machine in prediction of cloud cover[J].Scientia Meteorologica Sinica,2011,31(2):187-193. |
| |
| Authors: | HU Banghui LIU Danjun WANG Xuezhong and GAO Chuanzhi |
| |
| Institution: | HU Banghui1 LIU Danjun1,2 WANG Xuezhong1 GAO Chuanzhi1(1 Institute of Meteorology,PLA University of Science and Technology,Nanjing 211101,China,2 No.96263 Army of PLA,Henan Luoyang 471500,China) |
| |
| Abstract: | Based on WRF model products and station-observed data of January and August from 2003 to 2006,the short-term forecast models of every month by the Least Squares Support Vector Machines(LSSVM)method for total cloud cover and low cloud cover at the Taibei and Xiamen station are established by selecting the appropriate parameter and kernel function,according to different sample length.The models are tested using the data of 2007,and compared by BP-ANN.Results show that the forecasting effect of LSSVM is better... |
| |
| Keywords: | Support vector machine Kernel function Cloud cover Forecast |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《气象科学》浏览原始摘要信息 |
| 点击此处可从《气象科学》下载免费的PDF全文 |
|
