基于机器学习方法的雾天气预测研究
发布时间：2022-08-04 17:16
大雾是一种常见的灾害天气,发生时具有低能见度的特点,会对人们的出行产生极大的影响。如果能够提前对大雾天气进行预测,将有效地避免经济损失、降低风险。目前对大雾的研究中主要包括对雾的雷达实时监测以及相关数值分析方法,但上述方法不仅需要借助预报员的经验,而且复杂的计算过程可能会产生一定的时间开销。而随着人工智能的发展,目前已较广泛地应用于航天、生物医疗等领域的预测任务中。另外,现有的研究工作更加关注于当前时刻雾天气的状态,没有对未来时刻雾的状态进行预测。因此对未来时刻雾天气的研究将具有重要的意义。本文借助全国综合气象信息共享平台（CIMISS）的气象要素数据,经过相应的数据处理,利用机器学习方法对未来时刻大雾状况进行研究（短邻雾研究）。其研究内容根据东北区域气象中心需求有如下两个方面:短邻雾分类预测研究、短邻雾能见度预测研究。对短邻雾天气分类预测研究包括主要气象特征分析、建立不同短时邻近雾分类预测模型。其中研究了一种结合支持向量机（Support Vector Machine,SVM）与特征选择Wrapper方法的短邻雾天气分类预测模型。该模型对多维气象数据进行列切分得到关于列的数据子集,将...
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 传统气象方法雾研究
1.2.2 机器学习应用于气象学的研究
1.2.3 集成学习方法研究现状
1.3 研究内容及创新点
1.3.1 问题描述
1.3.2 研究工作及创新点
1.3.3 短邻雾天气分类预测研究
1.3.4 短邻雾天气能见度预测研究
1.3.5 雾预测方法的评估
1.4 论文组织结构
第2章 气象数据介绍及建立短时邻近雾预测样本集
2.1 数据获取及特点
2.1.1 数据获取
2.1.2 CIMISS接口特性
2.1.3 数据的预处理
2.2 气象特征的建立
2.3 雾天气的判别及建立短时邻近雾预测数据集
2.3.1 短时邻近雾分类样本的标注和建立
2.3.2 短时邻近雾能见度预测的标注和建立
2.4 本章小结
第3章 基于机器学习方法的短时邻近雾分类预测
3.1 大雾短邻预测描述
3.2 基于短时邻近大雾预测方法及相关理论分析
3.2.1 支持向量机方法作用及特点
3.2.2 SVM方法在气象数据的应用
3.2.3 Wrapper特征选择方法
3.3 结合支持向量机和WRAPPER方法的大雾预测模型
3.3.1 一种结合SVM与 Wrapper方法的短时邻近雾分类预测方法
3.3.2 结合方法的训练过程
3.3.3 获取短邻雾预测原始数据
3.3.4 建立短邻雾分类预测样本集
3.3.5 实现结合SVM和 Wrapper的大雾短时邻近预测过程
3.4 实验结果及分析
3.4.1 机器学习模型评估方法
3.4.2 不同机器学习方法的比较
3.4.3 结合方法对气象数据的训练实验
3.4.4 各短时邻近时刻雾分类预测的主要特征分析实验
3.4.5 主要特征影响实验
3.4.6 处理后的数据特征及获取的原始特征对结合方法的影响
3.5 本章小结
第4章 基于集成学习的短时邻近能见度预测研究
4.1 大雾短邻预测描述
4.2 基于集成学习方法的雾能见度预测方法及相关理论分析
4.2.1 基于XGBoost方法的短时邻近雾能见度预测理论分析
4.2.2 获取短时邻近雾能见度雾预测的数据源
4.2.3 雾能见度预测样本的建立
4.2.4 基于XGBoost的短时邻近雾能见度预测研究
4.3 实验结果及分析
4.3.1 在气象数据下构成梯度提升树的不同基模型比较
4.3.2 构成梯度提升树的学习器数量对气象数据的影响
4.3.3 不同机器学习方法在气象数据的预测能力比较
4.3.4 气象要素的重要程度计算及分析
4.3.5 处理前后气象属性对短时邻近能见度预测的影响
4.4 本章小结
第5章 短时邻近雾预测系统及性能分析
5.1 基于机器学习方法的短时邻近雾预测系统
5.1.1 CIMISS接入模块
5.1.2 数据的计算处理模块
5.1.3 算法模块
5.1.4 算法更新模块
5.2 实时雾预测系统的性能评估
5.2.1 气象系统预报评价标准TS评分
5.2.2 气象标准对实时系统预测能力的评估
5.2.3 各站点预报正确率
5.2.4 突发事件的预测能力
5.2.5 能见度预测模型在CIMISS实时数据的预测能力
5.3 本章小结
第6章 结论
参考文献
在学研究成果
一、发表论文、出版专著
二、科研项目
致谢
本文编号：3669952
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 传统气象方法雾研究
1.2.2 机器学习应用于气象学的研究
1.2.3 集成学习方法研究现状
1.3 研究内容及创新点
1.3.1 问题描述
1.3.2 研究工作及创新点
1.3.3 短邻雾天气分类预测研究
1.3.4 短邻雾天气能见度预测研究
1.3.5 雾预测方法的评估
1.4 论文组织结构
第2章 气象数据介绍及建立短时邻近雾预测样本集
2.1 数据获取及特点
2.1.1 数据获取
2.1.2 CIMISS接口特性
2.1.3 数据的预处理
2.2 气象特征的建立
2.3 雾天气的判别及建立短时邻近雾预测数据集
2.3.1 短时邻近雾分类样本的标注和建立
2.3.2 短时邻近雾能见度预测的标注和建立
2.4 本章小结
第3章 基于机器学习方法的短时邻近雾分类预测
3.1 大雾短邻预测描述
3.2 基于短时邻近大雾预测方法及相关理论分析
3.2.1 支持向量机方法作用及特点
3.2.2 SVM方法在气象数据的应用
3.2.3 Wrapper特征选择方法
3.3 结合支持向量机和WRAPPER方法的大雾预测模型
3.3.1 一种结合SVM与 Wrapper方法的短时邻近雾分类预测方法
3.3.2 结合方法的训练过程
3.3.3 获取短邻雾预测原始数据
3.3.4 建立短邻雾分类预测样本集
3.3.5 实现结合SVM和 Wrapper的大雾短时邻近预测过程
3.4 实验结果及分析
3.4.1 机器学习模型评估方法
3.4.2 不同机器学习方法的比较
3.4.3 结合方法对气象数据的训练实验
3.4.4 各短时邻近时刻雾分类预测的主要特征分析实验
3.4.5 主要特征影响实验
3.4.6 处理后的数据特征及获取的原始特征对结合方法的影响
3.5 本章小结
第4章 基于集成学习的短时邻近能见度预测研究
4.1 大雾短邻预测描述
4.2 基于集成学习方法的雾能见度预测方法及相关理论分析
4.2.1 基于XGBoost方法的短时邻近雾能见度预测理论分析
4.2.2 获取短时邻近雾能见度雾预测的数据源
4.2.3 雾能见度预测样本的建立
4.2.4 基于XGBoost的短时邻近雾能见度预测研究
4.3 实验结果及分析
4.3.1 在气象数据下构成梯度提升树的不同基模型比较
4.3.2 构成梯度提升树的学习器数量对气象数据的影响
4.3.3 不同机器学习方法在气象数据的预测能力比较
4.3.4 气象要素的重要程度计算及分析
4.3.5 处理前后气象属性对短时邻近能见度预测的影响
4.4 本章小结
第5章 短时邻近雾预测系统及性能分析
5.1 基于机器学习方法的短时邻近雾预测系统
5.1.1 CIMISS接入模块
5.1.2 数据的计算处理模块
5.1.3 算法模块
5.1.4 算法更新模块
5.2 实时雾预测系统的性能评估
5.2.1 气象系统预报评价标准TS评分
5.2.2 气象标准对实时系统预测能力的评估
5.2.3 各站点预报正确率
5.2.4 突发事件的预测能力
5.2.5 能见度预测模型在CIMISS实时数据的预测能力
5.3 本章小结
第6章 结论
参考文献
在学研究成果
一、发表论文、出版专著
二、科研项目
致谢
本文编号：3669952
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3669952.html
