基于数据挖掘的气象分析及预测

发布时间：2020-05-26 01:41

【摘要】：伴随着我国信息技术的高速发展,气象部门积累了大量的数据,激增的气象数据背后隐藏了大量的、鲜为人知的重要信息,如何从这些激增的、大量的数据中发现其中有用的信息,已成为当今数据挖掘及气象方面专家研究的一个热点问题;另一方面,众所周知气象讯息与人们的生活高度相关,严重影响着人们生产生活方式,与人们的切身利益息息相关。基于以上研究背景,本文从日常生活中人们最关心的气温出发,通过研究影响气温变化的效应因素:降雨量、气压、水气压等若干因素间的联系,建立模型,利用所建模型进行预测,通过研究预测值与真实值的误差,研究模型效果。本文重点从两种方法上研究该课题,以下简单介绍两种方法:首先采用决策树方法对气温数据进行评估,这里主要考虑了降雨量、气压、水气压、风速、相对湿度五种与气温变化息息相关的指标;建立月平均气温的决策树模型和按季节划分的决策树模型,通过两种方法的对比,我们发现按月平均气温建立的决策树模型的预测效果从整体上看要优于按季节划分的决策树模型,但是按季节划分的决策树模型在对夏季气温进行预测时要优于按月平均气温建立的决策树模型。其次,本文充分考虑了按时间因素来处理这个问题的方法,运用时间序列中常用的简单季节模型和ARIMA模型来对本文中涉及到的数据进行分析、建模、预测,最终发现ARIMA模型的预测效果比简单季节模型的预测效果更好一些。文章最后,作者总结了两个模型在该案例分析中起到的作用,并且也分析了过程中存在的一些问题与不足;同时这些问题的存在也为未来的研究指明了方向。
【图文】：

12图 3.1 按月平均气温划分生成的决策树图通过模型我们也可以得出结论，对于影响气温变化的各个因素来说，降雨量，水气压和相对湿度这三个因素占主要部分，而其他几个因素的影响作用就稍微弱一些。由 SPSS 软件生成的决策树模型得出结论我们知道：我们可以由充足的理由可以证明如果要研究该地区未来短期内的气温，我们可以利用该模型来进行预测。比如我们要研

该模型预测 2010 年至 2015 年每月的月平均气温，， 其中得到部分预测值如下表 4.3 简单季节模型预测气温（℃）的部分值份201101 201102 201103 201104 201105 201106温-3.9 0 5.55 13.55 22.3 25.45份201107 201108 201109 201110 201111 201112温27.8 26.1 21.2 14.45 4 -1.65份201201 201202 201203 201204 201205 201206温-4.65 -0.55 6.1 13.2 21.5 25.55份201207 201208 201209 201210 201211 201212温28.05 26.45 20.75 13.9 6.45 -1以上预测值，我们将其与真实值进行比较，得到如下对比：
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;P45

【相似文献】

相关期刊论文 前10条

1 邵兴江;;数据挖掘在教育信息化中的应用空间分析[J];浙江现代教育技术;2004年03期

2 于春香;;数据挖掘技术简介[J];福建信息技术教育;2005年01期

3 周致丞;;大数据下一种规则的快速挖掘技术研究[J];河南科技;2018年25期

4 蔡萌萌;张巍巍;王泓霖;;大数据时代的数据挖掘综述[J];价值工程;2019年05期

5 张泽;吕新;侯彤瑜;;数据挖掘在农业信息化中的应用进展探析[J];信息记录材料;2019年01期

6 张俊杰;;恰当的水务大数据才符合数据挖掘的需求[J];城乡建设;2019年02期

7 王彬;;数据挖掘构成要素的侦查视角分析[J];河南警察学院学报;2019年02期

8 程志;张玉彤;贾彪;;远距离光纤通信传输故障数据挖掘方法[J];激光杂志;2019年04期

9 赵乌吉斯古楞;;数据挖掘的研究热点和发展趋势的浅谈[J];电脑知识与技术;2019年08期

10 李智峰;段蔓;;浅谈计算机数据挖掘技术的开发及应用探究[J];信息技术与信息化;2019年05期

相关会议论文 前10条

1 马钰超;;浅析大数据和数据挖掘及其在烟草行业中的应用[A];中国烟草学会2015年度优秀论文汇编[C];2015年

2 唐杰;梅俏竹;;数据挖掘学科发展研究[A];2012-2013控制科学与工程学科发展报告[C];2014年

3 王时光;;大数据时代规划数据挖掘的创新思考[A];新常态：传承与变革——2015中国城市规划年会论文集（04城市规划新技术应用）[C];2015年

4 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

5 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

6 许珂;姜山;;数据挖掘方法在科技产出分布可视化研究中的运用[A];第二届中国科技哲学及交叉学科研究生论坛论文集（硕士卷）[C];2008年

7 雷宇;;论行业信息资源的数据挖掘[A];中国烟草行业信息化研讨会论文集[C];2004年

8 吴以凡;吴铁军;欧阳树生;;面向生产过程质量控制的动态数据挖掘方法[A];05'中国自动化产业高峰会议暨中国企业自动化和信息化建设论坛论文集[C];2005年

9 彭怡;;从数据挖掘文章聚类分析看其发展趋势[A];现代工业工程与管理研讨会会议论文集[C];2006年

10 张建锦;刘小霞;;密度偏差抽样及其在海量数据挖掘中的应用[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

相关重要报纸文章 前10条

1 陆天歌 王兆亮;数据挖掘：帮你读懂未来战争[N];解放军报;2018年

2 本报记者 戴丽昕;在人才工作中展现数据挖掘力量[N];上海科技报;2019年

3 本报记者 林丽鹂;用大数据挖掘市场“金矿”[N];人民日报;2019年

4 本报记者 张佳星;把扎克伯格拉下水，大数据挖掘犯错了吗[N];科技日报;2018年

5 本报记者 张佳星;数据挖掘大战 机器怎么做到“见信如面”[N];科技日报;2018年

6 记者 张潇;打造数据挖掘领域的“响尾蛇模式”[N];西安日报;2018年

7 上海市浦东卫生发展研究院 孙雪松 王晓丽;数据挖掘在医学大数据研究中的应用[N];中国信息化周报;2018年

8 本报记者 叶曜坤;全国人大代表邓晓辉：推翻阻碍数据挖掘的“三座大山”[N];人民邮电;2017年

9 本报记者 牛福莲;贵州争夺“大数据挖掘”制高点[N];中国经济时报;2017年

10 南方日报记者 彭颖;日化巨头借力大数据挖掘线下市场[N];南方日报;2017年

相关博士学位论文 前10条

1 姜彦;正则化方法在数据挖掘中的应用与研究[D];湖南大学;2015年

2 马昱欣;结合可视化与数据挖掘的数据分析方法探究[D];浙江大学;2017年

3 李雄;单核苷酸多态性数据挖掘方法及其应用研究[D];湖南大学;2015年

4 董瑶;基于统计分析与数据挖掘的智能优化预测研究及应用[D];兰州大学;2015年

5 黄柏文;基于数据挖掘的徐力教授治疗晚期肺癌经验总结及常用药对实验研究[D];南京中医药大学;2019年

6 王达;时间序列数据挖掘研究与应用[D];浙江大学;2004年

7 马昕;粗糙集理论在数据挖掘领域中的应用[D];浙江大学;2003年

8 王立宏;信息系统的约简与粒度分析及其在数据挖掘中的应用[D];上海大学;2004年

9 杨虎;序列数据挖掘的模型和算法研究[D];重庆大学;2003年

10 李秋丹;数据挖掘相关算法的研究与平台实现[D];大连理工大学;2004年

相关硕士学位论文 前10条

1 王凯;基于数据挖掘的共享单车平衡预测研究[D];中北大学;2019年

2 曾世琛;基于内相关信息数据挖掘的滚动轴承健康状态监测技术研究[D];山东大学;2019年

3 曹勇;基于数据挖掘的工艺知识发现与重用研究[D];山东大学;2019年

4 张健斌;数据挖掘与分析在轮胎质检MES上的应用[D];上海交通大学;2017年

5 黄彦钦;电信运营商用户离网行为预测的研究[D];上海交通大学;2017年

6 江晶;公安系统中数据挖掘的应用研究[D];上海交通大学;2016年

7 王俊;基于数据挖掘和商业智能的零部件标准化研究[D];江苏科技大学;2018年

8 吴东;基于数据挖掘的告警关联关键技术研究[D];贵州大学;2019年

9 楼叶;大数据背景下警务数据挖掘的法治化[D];中国人民公安大学;2019年

10 董婷婷;基于数据挖掘的气象分析及预测[D];山东师范大学;2019年

本文编号：2681074