支持向量機在短期氣候預測中的應用

支持向量機(SVM,Support Vector Machines)是基于統(tǒng)計學習理論框架下的一種新的通用機器學習方法.可以解決樣本空間中的高度非線性分類和回歸等問題,是一種處理非線性分類和非線性回歸的有效方法.氣候變化諸多因子的復雜性和非線性決定了預報因子與預報對象間的非線性關系,SVM為解決短期氣候預測提供了一種可行的有效途徑.利用Nino區(qū)海溫、南方濤動指數(shù)、副高面積指數(shù)、亞洲區(qū)極渦面積指數(shù)等15個預報因子,建立了陽泉夏季降水正、負距平的SVM非線性分類模型,同時也建立了陽泉夏季降水的SVM回歸模型,并進行了相應的預報試驗,結果顯示,對應的SVM分類模型和回歸模型均具有良好的預報能力.

作 者： 李智才 馬文瑞 李素敏 張瑞蘭 張紅雨 Li Zhicai Ma Wenrui Li Sumin Zhang Ruilan Zhang Hongyu   作者單位： 李智才,馬文瑞,李素敏,Li Zhicai,Ma Wenrui,Li Sumin(山西省陽泉市氣象局,045000)

張瑞蘭,張紅雨,Zhang Ruilan,Zhang Hongyu(山西省氣象局) 

刊 名： 氣象  ISTIC PKU 英文刊名： METEOROLOGICAL MONTHLY  年，卷(期)： 2006 32(5)  分類號： P4  關鍵詞： 支持向量機(SVM)   非線性分類   非線性回歸   短期氣候預測