气候与环境研究
氣候與環境研究
기후여배경연구
CLIMATIC AND ENVIRONMENTAL RESEARCH
2011年
3期
273-279
,共7页
毛宇清%孙燕%姜爱军%陈曲%沈澄
毛宇清%孫燕%薑愛軍%陳麯%瀋澄
모우청%손연%강애군%진곡%침징
霾%支持向量机%回归分析和预测
霾%支持嚮量機%迴歸分析和預測
매%지지향량궤%회귀분석화예측
支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效.利用2004~2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型.预报试验结果表明:南京地区霾日的SVM分类预报结果,Ts(Threat scores)评分均在0.4以上;而有霾日14时能见度的SVM回归预报结果,按能见度误差范围为±3 km算,准确率均达到了86%以上;加入当天08时新资料的订正预报模型,其预报结果优于起始预报模型.二者的预报结果较为满意,可以给实际业务预测提供参考.
支持嚮量機(SVM)方法是基于統計學理論的一種新的機器學習方法,對解決小樣本條件下的非線性問題非常有效.利用2004~2007年南京站的逐日常規觀測資料以及同期南京市環境質量鑑測點的逐日汙染物濃度資料,使用SVM分類和迴歸方法分彆建立瞭南京地區霾日分類預報模型和有霾日14時(北京時間,下同)能見度預報模型.預報試驗結果錶明:南京地區霾日的SVM分類預報結果,Ts(Threat scores)評分均在0.4以上;而有霾日14時能見度的SVM迴歸預報結果,按能見度誤差範圍為±3 km算,準確率均達到瞭86%以上;加入噹天08時新資料的訂正預報模型,其預報結果優于起始預報模型.二者的預報結果較為滿意,可以給實際業務預測提供參攷.
지지향량궤(SVM)방법시기우통계학이론적일충신적궤기학습방법,대해결소양본조건하적비선성문제비상유효.이용2004~2007년남경참적축일상규관측자료이급동기남경시배경질량감측점적축일오염물농도자료,사용SVM분류화회귀방법분별건립료남경지구매일분류예보모형화유매일14시(북경시간,하동)능견도예보모형.예보시험결과표명:남경지구매일적SVM분류예보결과,Ts(Threat scores)평분균재0.4이상;이유매일14시능견도적SVM회귀예보결과,안능견도오차범위위±3 km산,준학솔균체도료86%이상;가입당천08시신자료적정정예보모형,기예보결과우우기시예보모형.이자적예보결과교위만의,가이급실제업무예측제공삼고.