应用气象学报
應用氣象學報
응용기상학보
QUARTERLY JOURNAL OF APPLIED METEOROLOGY
2010年
3期
366-371
,共6页
毕硕本%徐寅%覃志年%陈譞%王必强
畢碩本%徐寅%覃誌年%陳譞%王必彊
필석본%서인%담지년%진현%왕필강
经验模态分解(EMD)%支持向量机(SVM)%短期气候预测%降水预报%时间序列
經驗模態分解(EMD)%支持嚮量機(SVM)%短期氣候預測%降水預報%時間序列
경험모태분해(EMD)%지지향량궤(SVM)%단기기후예측%강수예보%시간서렬
气候系统是一种耗散的、具有多个不稳定源的非线性、非平稳系统.该文利用支持向量机(SVM)算法在处理非线性题题中的优越性和经验模态分解(EMD)算法在处理非平稳信号中的优势,采用将EMD与SVM相结合的短期气候预测方法,并应用到广西季节降水预报中.选取广西88个气象观测站1957-2005年6-8月逐年降水量的距平百分率序列作为试验数据,通过EMD算法将标准化处理后的距平百分率序列分解成多个本征模态甬数(IMF)分量和一个趋势分量,在分解中针对EMD算法存在的端点极值问题选择两种方法分别进行处理,对比得出极值延拓法效果更好.对每个分量构建不同的SVM模型进行预测,并通过霞构形成最后的预测结果.试验中采用不经EMD处理的反向传播(BP)神经网络和SVM算法进行对比验证,结果表明:相对于直接预测方法,该文提出的方案均方误差最小,能够较为准确地反映出降水序列未来几年的变化趋势,具有更高的预测精度和较好的推广前景.
氣候繫統是一種耗散的、具有多箇不穩定源的非線性、非平穩繫統.該文利用支持嚮量機(SVM)算法在處理非線性題題中的優越性和經驗模態分解(EMD)算法在處理非平穩信號中的優勢,採用將EMD與SVM相結閤的短期氣候預測方法,併應用到廣西季節降水預報中.選取廣西88箇氣象觀測站1957-2005年6-8月逐年降水量的距平百分率序列作為試驗數據,通過EMD算法將標準化處理後的距平百分率序列分解成多箇本徵模態甬數(IMF)分量和一箇趨勢分量,在分解中針對EMD算法存在的耑點極值問題選擇兩種方法分彆進行處理,對比得齣極值延拓法效果更好.對每箇分量構建不同的SVM模型進行預測,併通過霞構形成最後的預測結果.試驗中採用不經EMD處理的反嚮傳播(BP)神經網絡和SVM算法進行對比驗證,結果錶明:相對于直接預測方法,該文提齣的方案均方誤差最小,能夠較為準確地反映齣降水序列未來幾年的變化趨勢,具有更高的預測精度和較好的推廣前景.
기후계통시일충모산적、구유다개불은정원적비선성、비평은계통.해문이용지지향량궤(SVM)산법재처리비선성제제중적우월성화경험모태분해(EMD)산법재처리비평은신호중적우세,채용장EMD여SVM상결합적단기기후예측방법,병응용도엄서계절강수예보중.선취엄서88개기상관측참1957-2005년6-8월축년강수량적거평백분솔서렬작위시험수거,통과EMD산법장표준화처리후적거평백분솔서렬분해성다개본정모태용수(IMF)분량화일개추세분량,재분해중침대EMD산법존재적단점겁치문제선택량충방법분별진행처리,대비득출겁치연탁법효과경호.대매개분량구건불동적SVM모형진행예측,병통과하구형성최후적예측결과.시험중채용불경EMD처리적반향전파(BP)신경망락화SVM산법진행대비험증,결과표명:상대우직접예측방법,해문제출적방안균방오차최소,능구교위준학지반영출강수서렬미래궤년적변화추세,구유경고적예측정도화교호적추엄전경.
