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，結合氣象學相關理論進行建模，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，為人類的生產實踐提供理論決策指南。
　　 統(tǒng)計學習方法(生函數、統(tǒng)計分析、插值擬合等)和機器學習方法(神經網絡算法、貝

2、葉斯分類、決策樹、支持向量機、覆蓋算法等)是降水量數據預測的兩種常用方法。從數據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。本文旨在對氣象數據的降水量進行預測，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據進行預測，線性特征的數據預測表現較好，而非線性數據的預測卻不盡如意。由于氣象數據中存在非線性特征現象，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網絡的預測原理神經網絡工具箱同時進行降水量預測,以淮北市1970-2009年的氣象數據為基礎，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．論述人工神經網絡的神經元模型和分類模型，對神經網絡的學習，BP 神經網絡的原理、方法、基本結構和權值調整等內容進行介紹與分析。
　　 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 神經元的