计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2007年
15期
3780-3782
,共3页
机器学习%朴素贝叶斯分类器%气象预报%学习并分类降雨量%算法
機器學習%樸素貝葉斯分類器%氣象預報%學習併分類降雨量%算法
궤기학습%박소패협사분류기%기상예보%학습병분류강우량%산법
将机器学习的理论和方法应用于气象预报领域,基于贝叶斯推理学习的理论,使用朴素贝叶斯分类器(Na(i)ve Bayes classifier)对降雨量预测问题进行了分类预测研究,提出了预测降雨量的朴素贝叶斯算法learn-and-classify--rainfall,将各预测因子及预测目标按照气象学分级标准进行分级,以历年气象数据为训练集,在训练集上学习各预测目标的先验概率及各预测因子的条件概率,用NBC计算出极大后验假设作为预测目标值,该算法具有鲁棒性强、易实现等优点,表现出较强的实用性和有效性,经实验表明,预测精度明显高于目前短期气候预测中采用的回归分析、聚类分析等其它预测方法.同时它还对困扰气象工作者的如何选择预测因子的问题具有指导作用.
將機器學習的理論和方法應用于氣象預報領域,基于貝葉斯推理學習的理論,使用樸素貝葉斯分類器(Na(i)ve Bayes classifier)對降雨量預測問題進行瞭分類預測研究,提齣瞭預測降雨量的樸素貝葉斯算法learn-and-classify--rainfall,將各預測因子及預測目標按照氣象學分級標準進行分級,以歷年氣象數據為訓練集,在訓練集上學習各預測目標的先驗概率及各預測因子的條件概率,用NBC計算齣極大後驗假設作為預測目標值,該算法具有魯棒性彊、易實現等優點,錶現齣較彊的實用性和有效性,經實驗錶明,預測精度明顯高于目前短期氣候預測中採用的迴歸分析、聚類分析等其它預測方法.同時它還對睏擾氣象工作者的如何選擇預測因子的問題具有指導作用.
장궤기학습적이론화방법응용우기상예보영역,기우패협사추이학습적이론,사용박소패협사분류기(Na(i)ve Bayes classifier)대강우량예측문제진행료분류예측연구,제출료예측강우량적박소패협사산법learn-and-classify--rainfall,장각예측인자급예측목표안조기상학분급표준진행분급,이력년기상수거위훈련집,재훈련집상학습각예측목표적선험개솔급각예측인자적조건개솔,용NBC계산출겁대후험가설작위예측목표치,해산법구유로봉성강、역실현등우점,표현출교강적실용성화유효성,경실험표명,예측정도명현고우목전단기기후예측중채용적회귀분석、취류분석등기타예측방법.동시타환대곤우기상공작자적여하선택예측인자적문제구유지도작용.