基于分類算法降水量預測模型研究.pdf

1、人類賴以生存的氣候環(huán)境受自然因素和人類實踐活動的雙重影響，變化幅度較大，導致各類氣象災害頻繁發(fā)生。因此，氣象要素的預測研究逐漸成為大氣科學發(fā)展研究的熱點。目前，此類研究普遍采用計算機技術(shù)，結(jié)合氣象學相關(guān)理論進行建模，嘗試對未來氣象變化發(fā)展規(guī)律進行模擬和預測，旨在探索氣象變化趨勢，對未來大氣狀況進行比較準確地預測，為人類的生產(chǎn)實踐提供理論決策指南。
　　 統(tǒng)計學習方法(生函數(shù)、統(tǒng)計分析、插值擬合等)和機器學習方法(神經(jīng)網(wǎng)絡(luò)算法、貝

2、葉斯分類、決策樹、支持向量機、覆蓋算法等)是降水量數(shù)據(jù)預測的兩種常用方法。從數(shù)據(jù)計算的總體效果來看，統(tǒng)計學習方法在準確性和復雜度方面比機器學習方法要低。本文旨在對氣象數(shù)據(jù)的降水量進行預測，故選擇機器學習方法。貝葉斯分類、決策樹分別從概率統(tǒng)計和屬性決策方面對數(shù)據(jù)進行預測，線性特征的數(shù)據(jù)預測表現(xiàn)較好，而非線性數(shù)據(jù)的預測卻不盡如意。由于氣象數(shù)據(jù)中存在非線性特征現(xiàn)象，故這些方法不適宜進行實驗建模和預測降水量。本文通過近年應用比較廣泛的BP算法、

3、支持向量機和覆蓋算法對降水量預測進行建模，并對預測結(jié)果進行對比分析，以期在今后的實踐中能夠采用比較準確、合理的預測方法進行降水量的預測。
　　 本文采用覆蓋算法、支持向量機算法以及基于人工神經(jīng)網(wǎng)絡(luò)的預測原理神經(jīng)網(wǎng)絡(luò)工具箱同時進行降水量預測,以淮北市1970-2009年的氣象數(shù)據(jù)為基礎(chǔ)，分別預測該地區(qū)年降水量的變化趨勢，并進行對比分析。計算結(jié)果表明,覆蓋算法模型相對于支持向量機和BP算法模型在降水量預測方面具有較高的預測精度。

4、r>　　 本文的工作主要包括：
　　 1．介紹降水量預測的概念、現(xiàn)狀和方法，并對這些方法進行分析，重點介紹目前氣象科學廣泛使用的分類算法模型。
　　 2．論述人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)元模型和分類模型，對神經(jīng)網(wǎng)絡(luò)的學習，BP 神經(jīng)網(wǎng)絡(luò)的原理、方法、基本結(jié)構(gòu)和權(quán)值調(diào)整等內(nèi)容進行介紹與分析。
　　 3．討論線性支持向量機的原理，分線性可分和線性不可分兩個方面進行分析，同時介紹非線性支持向量機，以及覆蓋算法的M-P 神經(jīng)元的