多組合分類器在局部區(qū)域氣溫預(yù)測中的研究與應(yīng)用.pdf

1、隨著科技的進步、信息化的發(fā)展、氣象研究技術(shù)的提高，氣象領(lǐng)域積累的數(shù)據(jù)量與日俱增。如何從海量的氣象數(shù)據(jù)中發(fā)現(xiàn)有價值的信息是氣象科研人員的一項重要任務(wù)。氣象信息與人民的生活息息相關(guān)，人民的生活和生產(chǎn)制造直接受天氣的影響。如果能將數(shù)據(jù)挖掘應(yīng)用到氣象數(shù)據(jù)中充分挖掘出可用的信息，不僅能提高天氣預(yù)報準(zhǔn)確率和災(zāi)害天氣預(yù)警能力，還能指導(dǎo)當(dāng)?shù)氐墓まr(nóng)業(yè)生產(chǎn)和提高人民的生活水平，造福人民。
　　在數(shù)據(jù)挖掘中，分類是一種非常重要的技術(shù)。現(xiàn)有的分類技術(shù)有決

2、策樹、貝葉斯、支持向量機、神經(jīng)網(wǎng)絡(luò)等，這些分類器都是單分類器。隨著人們對分類器性能要求的提高，相關(guān)領(lǐng)域?qū)W者提出了集成學(xué)習(xí)的概念。所謂集成學(xué)習(xí)就是對同一個問題用多個單一的個體學(xué)習(xí)器進行組合學(xué)習(xí)，組合分類器就是將多個不同的分類器（基分類器）通過一定的方法組合起來構(gòu)建而成的一個組合分類器。因此，組合分類器就是分類器的集成，同時也叫分類器的組合。實驗證明，多個分類器組合在性能上超越于單分類器的性能。
　　本文在對氣象數(shù)據(jù)的特點、氣象數(shù)據(jù)挖

3、掘現(xiàn)狀和常用的氣象數(shù)據(jù)挖掘方法進行了分析的基礎(chǔ)上。利用數(shù)據(jù)挖掘中的決策樹分類方法和集成學(xué)習(xí)思想構(gòu)建組合分類器，并用來對廣州某局部區(qū)域氣象站搜集的歷史氣象數(shù)據(jù)進行分析和研究。
　　本文主要開展了下列研究:
　　1.設(shè)計并實現(xiàn)了基于決策樹的并行組合分類器預(yù)測模型，將組合分類器和決策樹分類方法用于局部區(qū)域的氣溫預(yù)測中，各基分類器分別對局部區(qū)域的氣溫進行預(yù)測，組合分類器綜合各基分類器的結(jié)果，最后獲得各基分類器的協(xié)同預(yù)測。
　　

4、2.基于C4.5決策樹算法，設(shè)計并實現(xiàn)了Bagging、Adaboost兩種組合模型，同時基于CART決策樹設(shè)計了隨機森林模型。
　　3.針對局部區(qū)域氣象數(shù)據(jù)，應(yīng)用了Bagging、Adaboost和隨機森林三種組合分類器，分別設(shè)計并實現(xiàn)了局部區(qū)域氣溫預(yù)測模型。
　　4.應(yīng)用某局部區(qū)域的氣象數(shù)據(jù)，驗證了Bagging、Adaboost和隨機森林三種氣溫組合預(yù)測模型的有效性，進而對三種模型的預(yù)測結(jié)果從準(zhǔn)確率和性能上進行了細致的