天津大学学报
天津大學學報
천진대학학보
JOURNAL OF TIANJIN UNIVERSITY SCIENCE AND TECHNOLOGY
2006年
9期
1110-1114
,共5页
支持向量机%核函数%主成分分析%沙尘暴预测
支持嚮量機%覈函數%主成分分析%沙塵暴預測
지지향량궤%핵함수%주성분분석%사진폭예측
根据沙尘暴天气的特点和支持向量机(support vector machine,SVM)方法在解决小样本学习问题中的优势,提出基于SVM的沙尘暴预测模型.首先利用主成分分析法进行数据预处理,然后选择了径向基核函数,并通过分析惩罚参数和核参数对SVM分类器性能的影响,确定了参数的搜索空间,继而利用网格搜索法对其进行优化.在此基础上,构建并实现了基于SVM的沙尘暴预测模型.该模型与BP神经网络模型的运行结果对比表明,基于SVM的沙尘暴预报模型稳定性好,运行速度快,预报准确率提高了71.2%.
根據沙塵暴天氣的特點和支持嚮量機(support vector machine,SVM)方法在解決小樣本學習問題中的優勢,提齣基于SVM的沙塵暴預測模型.首先利用主成分分析法進行數據預處理,然後選擇瞭徑嚮基覈函數,併通過分析懲罰參數和覈參數對SVM分類器性能的影響,確定瞭參數的搜索空間,繼而利用網格搜索法對其進行優化.在此基礎上,構建併實現瞭基于SVM的沙塵暴預測模型.該模型與BP神經網絡模型的運行結果對比錶明,基于SVM的沙塵暴預報模型穩定性好,運行速度快,預報準確率提高瞭71.2%.
근거사진폭천기적특점화지지향량궤(support vector machine,SVM)방법재해결소양본학습문제중적우세,제출기우SVM적사진폭예측모형.수선이용주성분분석법진행수거예처리,연후선택료경향기핵함수,병통과분석징벌삼수화핵삼수대SVM분류기성능적영향,학정료삼수적수색공간,계이이용망격수색법대기진행우화.재차기출상,구건병실현료기우SVM적사진폭예측모형.해모형여BP신경망락모형적운행결과대비표명,기우SVM적사진폭예보모형은정성호,운행속도쾌,예보준학솔제고료71.2%.
