应用气象学报
應用氣象學報
응용기상학보
QUARTERLY JOURNAL OF APPLIED METEOROLOGY
2006年
1期
94-99
,共6页
冯汉中%陈永义%成永勤%罗可生
馮漢中%陳永義%成永勤%囉可生
풍한중%진영의%성영근%라가생
低能见度天气%支持向量机%预报方法
低能見度天氣%支持嚮量機%預報方法
저능견도천기%지지향량궤%예보방법
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.
在信息量較大,而預報對象與預報因子的關繫又不清楚的狀況下,智能機器學習方法是解決這類問題的較好手段.利用1997-2001年成都站的常規探空資料和雙流機場的地麵觀測資料,使用支持嚮量機(Support Vector Machines,簡稱SVM)方法,選取多種覈函數進行雙流機場低能見度天氣的預報建模試驗.測試結果錶明:以徑嚮基函數和拉普拉斯函數構造的SVM預報模型實驗效果最好,Ts評分分彆為0.287和0.292,遠高于雙流機場低能見度天氣齣現的頻率(0.155).試驗結果還錶明: 以徑嚮基函數構造的SVM預報模型空報較多,漏報較少;而以拉普拉斯函數構造的SVM預報模型空報較少,漏報較多.因此,如果彊調模型對低能見度天氣預報的準確性,則應採用以拉普拉斯函數構造的預報模型,如果彊調對低能見度天氣的預防性,則應採用以徑嚮基函數構造的預報模型.
재신식량교대,이예보대상여예보인자적관계우불청초적상황하,지능궤기학습방법시해결저류문제적교호수단.이용1997-2001년성도참적상규탐공자료화쌍류궤장적지면관측자료,사용지지향량궤(Support Vector Machines,간칭SVM)방법,선취다충핵함수진행쌍류궤장저능견도천기적예보건모시험.측시결과표명:이경향기함수화랍보랍사함수구조적SVM예보모형실험효과최호,Ts평분분별위0.287화0.292,원고우쌍류궤장저능견도천기출현적빈솔(0.155).시험결과환표명: 이경향기함수구조적SVM예보모형공보교다,루보교소;이이랍보랍사함수구조적SVM예보모형공보교소,루보교다.인차,여과강조모형대저능견도천기예보적준학성,칙응채용이랍보랍사함수구조적예보모형,여과강조대저능견도천기적예방성,칙응채용이경향기함수구조적예보모형.
