热带气象学报
熱帶氣象學報
열대기상학보
2007年
3期
255-260
,共6页
支持向量机%人工神经网络%模型%天空云量%预报
支持嚮量機%人工神經網絡%模型%天空雲量%預報
지지향량궤%인공신경망락%모형%천공운량%예보
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.
使用支持嚮量機和人工神經網絡兩種方法,分彆建立瞭天空雲量的預報模型.利用2001年5月1日～2004年12月31日的武漢市地麵、高空觀測值及歐洲中心的24小時預報場等資料,通過按不同比例隨機抽取樣本進行交扠驗證的方法,分析瞭SVM和ANN模型的預報能力和魯棒性;然後再用全部樣本資料建立預報模型,來預報2005年1月1日～5月31日武漢市天空雲量.交扠驗證和實例預報的結果顯示:雖然SVM和ANN模型都錶現瞭較好的預報能力,但SVM的預報能力高于ANN方法,且在計算速度上有ANN無法比擬的優勢.
사용지지향량궤화인공신경망락량충방법,분별건립료천공운량적예보모형.이용2001년5월1일～2004년12월31일적무한시지면、고공관측치급구주중심적24소시예보장등자료,통과안불동비례수궤추취양본진행교차험증적방법,분석료SVM화ANN모형적예보능력화로봉성;연후재용전부양본자료건립예보모형,래예보2005년1월1일～5월31일무한시천공운량.교차험증화실례예보적결과현시:수연SVM화ANN모형도표현료교호적예보능력,단SVM적예보능력고우ANN방법,차재계산속도상유ANN무법비의적우세.
