收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器学习的降水数据分析算法的研究

刘雅云  
【摘要】:降水问题一直是气象预报中非常关键的课题。气象预报,特别是降水预报是一项复杂的任务,因为它依赖于各种参数变量如温度,湿度,风速和风向等来预测。这些变量随时都在变化,不同地理位置的天气计算也随之变化。为了提高降水预测模型的预测精度,本文提出了一种基于支持向量机的粒子群优化(PSO-SVM)预测模型,以取代传统降水中使用的线性阈值方法。在支持向量机算法中,选择参数是对其预测精度有重要影响的问题,针对该问题,提出了采用粒子群优化算法寻找支持向量机模型的最优参数。PSO-SVM算法通过使用历史数据训练模型进行降水预报,输出一个有效的结果,帮助各行各业的人做出最适合的决策。实验表明,在相同条件下,所提出的算法的性能比基于同一组实验数据的直接预测模型的准确度好得多。同时通过与其他优化方法的对比,说明PSO在优化SVM参数上的优势。另一方面,实验结果也证明了使用的SVM-PSO模型的有效性和优点。在上述研究的基础上,为了进一步提高模型的效率,采用深度置信网络对数据规模较大的气象数据进行分析预测。分析结果表明,由于其在数据处理上采用批处理技术减少模型建立的时间,在模型应用时不再重新建立模型的特性,在实际应用在大规模据集上时更加效率。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
2 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
3 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
4 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
5 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
6 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
7 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
8 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
9 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
10 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
11 候明;张新新;范丽亚;;四类基于支持向量机的多类分类器的性能比较[J];聊城大学学报(自然科学版);2014年03期
12 张小琴;贾郭军;;一种采用粗糙集和遗传算法的支持向量机[J];山西师范大学学报(自然科学版);2013年01期
13 黄娟;唐轶;王军霞;;贪婪支持向量机的分析及应用[J];计算机工程与应用;2012年24期
14 丁胜锋;;一种改进的双支持向量机[J];辽宁石油化工大学学报;2012年04期
15 李逢焕;;试述不确定支持向量机应用分析及改进思路[J];中国证券期货;2012年12期
16 赵凯;王巍;李玮瑶;;模糊积分在支持向量机集成中的应用研究[J];黑龙江科技信息;2011年27期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
2 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
3 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
4 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
5 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
6 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
7 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
8 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
9 阎满富;求解分类问题的支持向量机方法与应用研究[D];中国农业大学;2005年
10 贾银山;支持向量机算法及其在网络入侵检测中的应用[D];大连海事大学;2004年
中国硕士学位论文全文数据库 前10条
1 徐茜茜;基于支持向量机的股票价格预测及投资策略研究[D];西北大学;2018年
2 曹修山;基于MAB模型对支持向量机核参数的优化[D];中央民族大学;2018年
3 刘亚新;大规模支持向量机分类算法与应用研究[D];东北大学;2016年
4 单滢滢;基于坐标下降的支持向量机快速训练方法研究[D];南京信息工程大学;2018年
5 陆一祎;模糊多输出最小二乘支持向量机的分类与回归研究[D];南京信息工程大学;2018年
6 高春钦;基于PSO优化小波支持向量机的岩土力学参数反演[D];昆明理工大学;2018年
7 孙选将;支持向量机在糖尿病遗传风险预测中的应用[D];华东师范大学;2018年
8 杨婧;基于谐波结构的乐器音色特征提取方法研究[D];哈尔滨工业大学;2018年
9 李皓;基于改进损失函数的支持向量机研究[D];河北大学;2018年
10 季满;鲁棒单类支持向量机研究[D];河北大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978