支持向量机算法研究及在气象数据挖掘中的应用

【摘要】：针对气象数据具有时空属性、多维、复杂、相关度高等问题,提出基于SVM解决时序多维气象预测的方法。在进行气象数据挖掘时,预报国子的选择和处理是决定预测精度和有效性的关键所在。本文针对基于精度的分类算法在不平衡数据挖掘中表现出有偏性问题,提出解决类不平衡挖掘的补偿方式和重构样本集的SVM算法,将噪声代价嵌入SVR模型中,有效减小噪音数据引起的回归模型的过学习问题。本文给出气象数据挖掘中,选择预报国子的基本方法和处理原则,同时对大规模数据的处理和分类问题、高维特征数据的特征约简和特征优选、SVM核参数的选择和优化、以及采用增量学习算法增强模型的自适应能力等问题进行了探讨和研究。实验结果表明,基于SVM的气象数据挖掘具有较高的预测正确性。