机器学习方法在临近降雨预报中的应用研究

发布时间：2021-03-27 07:37

　　传统的临近降雨预报方法主要是利用数值方法、外推技术和概念模型等来预报。这些临近降雨预测的方法考虑的因素众多、模型的构造过于复杂且预测步骤多、累计误差较大。近年来,机器学习方法在气象预报中得到广泛应用。本文利用雷达降雨产品,引入支持向量机（SVM）、梯度提升树（GBDT）、极限提升树（XGBoost）三种机器学习方法应用于雷达降雨产品的临近降雨预报,使用TS评分、命中率POD、空报率FAR和漏报率MAR四个定性检验指标来综合比较各机器学习方法在临近降雨预报中的预报效果,还将XGBoost方法和PPLK方法相结合进行短临定量降水预报,使用了相关检验指标进行了评估。下面是本文的主要研究结果和结论:（1）基于SVM方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的非线性支持向量机训练模型,达到了在考虑较少影响因子的基础上对雷达降雨产品进行临近降雨预报,在降雨分布比较集中的雷达降雨产品中降雨的命中率都较高,实验验证了该方法的可行性。（2）基于GBDT方法的临近降雨预报研究。建立了雷达降雨产品-晴雨预报的梯度提升模型,实现了从数据驱动的角度对雷达降雨产品进行临近降雨预报,在各类雷达降雨产品中的... 

【文章来源】：南宁师范大学广西壮族自治区

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

SVM方法临近降雨晴雨预报的漏报率MAR

SVM方法临近降雨晴雨预报的TS评分

GBDT临近降雨晴雨预报的漏报率MAR

【参考文献】：
期刊论文
[1]基于随机森林的短时临近降雨预报方法[J]. 钟海燕,李玲,麦雄发,王雨.  广西师范学院学报(自然科学版). 2018(04)
[2]用于高血压菜谱识别的基于遗传算法的改进XGBoost模型[J]. 雷雪梅,谢依彤.  计算机科学. 2018(S1)
[3]机器学习方法在股指期货预测中的应用研究——基于BP神经网络、SVM和XGBoost的比较分析[J]. 黄卿,谢合亮.  数学的实践与认识. 2018(08)
[4]GBDT组合模型在股票预测中的应用[J]. 张潇,韦增欣,杨天山.  海南师范大学学报(自然科学版). 2018(01)
[5]基于梯度提升决策树的航班延误分类预测[J]. 刘金元,丁勇,李涛.  数学的实践与认识. 2018(04)
[6]基于XGBoost的遥感图像中道路网络的提取[J]. 杨灿.  微型机与应用. 2017(24)
[7]基于随机森林的天气场景判别算法[J]. 史静,朱虹.  微型机与应用. 2017(24)
[8]基于决策树对有无降水进行预测[J]. 张佳华,姚宜斌,曹娜.  测绘地理信息. 2017(05)
[9]基于GBDT的个人信用评估方法[J]. 王黎,廖闻剑.  电子设计工程. 2017(15)
[10]基于随机森林的内江市降水量中长期预测[J]. 黄玺玮,王利,杨双宁,周丽,范君.  阴山学刊(自然科学版). 2017(04)

硕士论文
[1]基于XGBoost的不平衡分类方法研究[D]. 万志超.安徽大学 2018



本文编号：3103172