ISSN 1004-4965

CN 44-1326/P

用微信扫描二维码

分享至好友和朋友圈

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于近似支持向量机的能见度释用预报研究

吴波 胡邦辉 王学忠 黄泓 王举

吴波, 胡邦辉, 王学忠, 黄泓, 王举. 基于近似支持向量机的能见度释用预报研究[J]. 热带气象学报, 2017, 33(1): 104-110. doi: 10.16032/j.issn.1004-4965.2017.01.011
引用本文: 吴波, 胡邦辉, 王学忠, 黄泓, 王举. 基于近似支持向量机的能见度释用预报研究[J]. 热带气象学报, 2017, 33(1): 104-110. doi: 10.16032/j.issn.1004-4965.2017.01.011
Bo WU, Bang-hui HU, Xue-zhong WANG, Hong HUANG, Ju WANG. VISIBILITY FORECAST BASED ON PROXIMAL SUPPORT VECTOR MACHINE[J]. Journal of Tropical Meteorology, 2017, 33(1): 104-110. doi: 10.16032/j.issn.1004-4965.2017.01.011
Citation: Bo WU, Bang-hui HU, Xue-zhong WANG, Hong HUANG, Ju WANG. VISIBILITY FORECAST BASED ON PROXIMAL SUPPORT VECTOR MACHINE[J]. Journal of Tropical Meteorology, 2017, 33(1): 104-110. doi: 10.16032/j.issn.1004-4965.2017.01.011

基于近似支持向量机的能见度释用预报研究

doi: 10.16032/j.issn.1004-4965.2017.01.011
基金项目: 

国家自然科学基金 41475070

国家自然科学基金 41330420

详细信息
    通讯作者:

    胡邦辉,男,江西省人,教授,博士,主要从事天气学与天气预报、短期气候预测研究。E-mail:hubanghui@126.com

  • 中图分类号: P456.9

VISIBILITY FORECAST BASED ON PROXIMAL SUPPORT VECTOR MACHINE

  • 摘要: 利用2008—2010年逐年12月、次年1月的T511L61数值预报产品和单站观测资料,采用近似支持向量机方法,分别建立了南京、杭州和衢州站分类和回归结合的能见度释用预报模型(简称分类和回归结合模型)。利用2011年12月、次年1月资料作为独立样本,对模型进行试报检验,并与不分类条件下的纯回归模型进行对比。结果表明:分类和回归结合模型的预报效果好于纯回归模型,在24、36、48、60和72 h试报中,分类和回归结合模型的南京、杭州和衢州三站平均的准确率依次为75.5%、83.7%、72.1%、75.4%和78.0%,在除48 h的其余4个预报时次中,分类和回归结合模型的三站平均的准确率均高于纯回归模型。分类和回归结合模型在单站能见度预报中有较好的应用前景。

     

  • 图  1  杭州站2008年1月能见度与相对湿度 (a)、比湿 (b) 和2009年12月能见度与风速 (c)、水汽通量 (d) 的变化曲线

    图  2  南京站第36 h能见度实况和预报结果细实线代表实况值,粗实线和虚线分别代表模型Ⅰ和Ⅱ的试报值。下同。

    图  3  同图 2,但为杭州站第72

    图  4  同图 2,但为衢州站第24

    表  1  南京站第36 h能见度预报因子

    名称 高度/hPa 经度/°E 纬度/°N 相关系数
    水汽压 1 000 118 31 0.63
    风速 850 122 35 0.39
    涡度 1 000 120 32 0.42
    条件性稳定指数 925 120 31 0.38
    温度露点差 1 000 120 31 0.37
    偏差风 850 121 30 0.40
    下载: 导出CSV

    表  2  能见度分级标准

    级别 能见度/km
    1 0 < V≤1
    2 1 < V≤2
    3 2 < V≤4
    4 4 < V≤6
    5 6 < V≤10
    6 10 < V≤20
    7 V > 20
    下载: 导出CSV

    表  3  南京站模型试验结果准确率

    单位:%。
    分类界限/km 24 h 36 h 48 h 60.h 72.h
    4 69.2 55.0 76.9 57.5 79.5
    6 69.2 47.5 66.7 50.0 66.7
    8 74.4 65.0 74.4 52.5 82.0
    10 79.5 77.5 74.4 70.0 87.2
    下载: 导出CSV

    表  4  模型各预报时次的准确率

    单位:%。
    预报时效/h 南京 杭州 衢州 平均
    24 79.5 67.5 79.5 75.5
    74.4 67.5 71.8 71.2
    36 77.5 87.5 86.0 83.7
    72.5 77.5 79.1 76.4
    48 76.9 65.0 74.4 72.1
    74.3 65.0 76.9 72.1
    60 70.0 72.5 83.7 75.4
    62.5 77.5 76.7 72.2
    72 87.2 72.5 74.4 78.0
    82.1 62.5 66.7 70.4
    下载: 导出CSV

    表  5  模型各预报时次的平均绝对误差

    单位:km。
    预报时效/h 南京 杭州 衢州 平均
    24 2.72 2.70 3.03 2.82
    2.79 2.83 3.29 2.97
    36 2.41 2.01 1.79 2.07
    2.66 1.97 2.23 2.29
    48 2.65 2.86 3.05 2.85
    2.73 2.90 2.94 2.86
    60 3.02 2.29 2.05 2.45
    2.83 2.79 2.27 2.63
    72 3.16 2.90 3.01 3.02
    3.74 3.08 3.11 3.31
    下载: 导出CSV
  • [1] 张利娜, 张朝林, 王必正, 等.北京高速公路大气能见度演变特征及其物理分析[J].大气科学, 2008, 32(6): 1 229-1 240. http://www.cnki.com.cn/Article/CJFDTOTAL-DQXK200806001.htm
    [2] 马雁军, 左洪超, 张云海, 等.辽宁中部城市群大气能见度变化趋势及影响因子分析[J].高原气象, 2005, 24(4): 623-628. http://www.cnki.com.cn/Article/CJFDTOTAL-GYQX200504023.htm
    [3] 吴兑, 邓雪娇, 毕雪岩, 等.细粒子污染形成灰霾天气导致广州地区能见度下降[J].热带气象学报, 2007, 23(1): 1-6. http://www.itmm.gov.cn/rdqxxb/ch/reader/view_abstract.aspx?file_no=20070101&flag=1
    [4] 吴洪, 柳崇健, 邵洁, 等.北京地区大雾形成的分析和预报[J].应用气象学报, 2000, 11(1): 123-127. http://www.cnki.com.cn/Article/CJFDTOTAL-YYQX200001016.htm
    [5] 刘德, 李永华, 喻桥, 等.基于客观分析的重庆雾的BP神经元网络预报模型研究[J].气象科学, 2005, 25(3): 293-298. http://www.cnki.com.cn/Article/CJFDTOTAL-QXKX200503010.htm
    [6] 张德山, 魏建明, 陈廷良, 等.首都机场高速公路能见度预报方法[J].气象科技, 2002, 30(6): 358-361. http://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ200206008.htm
    [7] 冯汉中, 陈永义, 成永勤, 等.双流机场低能见度天气预报方法研[J].应用气象学报, 2006, 17(1): 94-99. http://www.cnki.com.cn/Article/CJFDTOTAL-YYQX200601015.htm
    [8] 吴兑, 邓雪娇, 游积平, 等.南岭山地高速公路雾区能见度预报系统[J].热带气象学报, 2006, 22(5): 417-422. http://www.itmm.gov.cn/rdqxxb/ch/reader/view_abstract.aspx?file_no=20060501&flag=1
    [9] 唐延婧, 裴兴云.贵州交通站资料应用于山区高速公路低能见度研究[J].热带气象学报, 2015, 31(2): 280-288. http://www.itmm.gov.cn/rdqxxb/ch/reader/view_abstract.aspx?file_no=20150215&flag=1
    [10] BURGES C J C. A tutorial on support vector machines for pattern recognition[J]. Knowledge Discovery and Data Mining, 1998, 2(2): 121-167. doi: 10.1023/A:1009715923555
    [11] 张学工.关于统计学习理论与支持向量机[J].自动化学报, 2000, 26(1): 32-42. http://www.cnki.com.cn/Article/CJFDTOTAL-MOTO200001005.htm
    [12] 丁世飞, 齐丙娟, 谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报, 2011, 40(1): 2-10. http://www.cnki.com.cn/Article/CJFDTOTAL-DKDX201101003.htm
    [13] 冯汉中, 陈永义.处理非线性分类和回归问题的一种新方法 (Ⅱ)——支持向量机方法在天气预报中的应用[J].应用气象学报, 2004, 15(3): 355-365. http://www.cnki.com.cn/Article/CJFDTOTAL-YYQX200403011.htm
    [14] 熊秋芬, 胡江林, 陈永义.天空云量预报及支持向量机和神经网络方法比较研究[J].热带气象学报, 2007, 23(3): 255-260. http://www.itmm.gov.cn/rdqxxb/ch/reader/view_abstract.aspx?file_no=20070306&flag=1
    [15] 李才媛, 韦惠红, 邓红. SVM方法在武汉市大雾预警预报中的应用[J].暴雨灾害, 2008, 27(3): 264-267. http://www.cnki.com.cn/Article/CJFDTOTAL-HBQX200803012.htm
    [16] 何娜, 付宗钰, 赵玮, 等. SVM方法在北京地区夏季晴雨预报中的初步应用[J].暴雨灾害, 2013, 32(3): 284-288. http://www.cnki.com.cn/Article/CJFDTOTAL-HBQX201303016.htm
    [17] MANGASARIAN F G, PROXIMAL O L. Support vector machine classifiers[C]//Proceedings of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. San Francisco: ACM, 2001: 77-82.
    [18] 杜喆, 胡廷锋, 刘三阳.用于回归的临近支持向量机[J].计算机科学, 2009, 36(1): 126-127. http://www.cnki.com.cn/Article/CJFDTOTAL-JSJA200901034.htm
    [19] 黄嘉佑.气象统计分析与预报方法[M].北京:气象出版社, 2004: 54-58.
    [20] 朱树先, 张仁杰.支持向量机核函数选择的研究[J].科学技术与工程, 2008, 8(16): 4 513-4 517. http://www.cnki.com.cn/Article/CJFDTOTAL-KXJS200816022.htm
  • 加载中
图(4) / 表(5)
计量
  • 文章访问数:  1003
  • HTML全文浏览量:  4
  • PDF下载量:  460
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-07-31
  • 修回日期:  2016-10-24
  • 刊出日期:  2017-02-01

目录

    /

    返回文章
    返回