学位论文 > 优秀研究生学位论文题录展示

支持向量机在贵阳凝冻天气预测中的应用

作　者: 罗玲玲
导　师: 洪震声
学　校: 贵州民族学院
专　业: 概率论与数理统计
关键词: 凝冻支持向量机 BP神经网络组合预测
分类号: P456.9
类　型: 硕士论文
年　份: 2010年
下　载: 51次
引　用: 0次
阅　读: 论文下载

内容摘要

凝冻是指冬季出现的温度低于0℃,有冷却降水或固体降水和结冰现象发生的天气现象,它是在特定的天气条件下形成的,并具有高度局域性。其影响范围广、持续时间长、强度大,对交通运输、能源供应、电力传输、通讯设施、工农业生产以及群众生活造成严重影响。因此,凝冻天气的预测问题显得尤其重要,其预测模型的选取和研究具有重要的意义。本文根据影响凝冻的主要因素——气温、相对湿度、降雨量、气压和风速的相关数据,利用支持向量机处理分类问题的强大能力,有效识别凝冻是否出现,从而达到准确预测天气的目的,为凝冻天气的预测提供了新的思路。首先基于1969—2008年气温、相对湿度、降雨量、气压和风速五个变量的相关数据,对凝冻的年际变化规律和空间分布特征进行了统计分析;其次选取1969-2000年影响凝冻的相关数据作为测试样本,2001-2008年的相关数据作为检验样本,分别利用支持向量机RBF核函数和poly核函数对凝冻天气进行预测,同时建立了BP神经网络和组合预测的凝冻预测模型;随后分析了支持向量机、BP神经网络和组合预测在凝冻预报中的误差数据;最后针对模型的预测结果进行比较分析。研究结果表明,与BP神经网络和组合预测模型相比,支持向量机的RBF核函数的预测精度最高,其凝冻短期预报模型更为准确,为凝冻天气的预测研究开辟了一条新途径。

全文目录

摘要  2-3
Abstract  3-6
1 绪论  6-10
  1.1 凝冻研究的背景及意义  6
    1.1.1 背景  6
    1.1.2 意义  6
  1.2 国内外凝冻预测的发展现状  6-8
    1.2.1 国外研究现状  6-7
    1.2.2 国内研究现状  7-8
  1.3 本论文研究的主要内容和创新点  8-10
    1.3.1 本论文研究的主要内容  8-10
    1.3.2 本论文的创新点  10
2 统计学习理论与支持向量机  10-20
  2.1 引言  10-11
  2.2 机器学习的基本问题  11-12
  2.3 支持向量机分类  12-20
    2.3.1 分类问题和分类学习机  12-16
    2.3.2 线性可分支持向量机分类  16-18
    2.3.3 支持向量机  18-19
    2.3.4 核函数  19-20
  2.4 本章小结  20
3 凝冻的数据处理  20-25
  3.1 数据来源  20
  3.2 凝冻年际变化特点  20-21
  3.3 凝冻的空间分布特征  21
  3.4 凝冻的主要影响因素  21-25
    3.4.1 凝冻日数和温度的变化关系  22
    3.4.2 凝冻日数与降雨量的关系  22-23
    3.4.3 凝冻日数与相对湿度的关系  23-24
    3.4.4 凝冻日数与风速的关系  24
    3.4.5 凝冻日数与气压的关系  24-25
  3.5 本章小结  25
4 凝冻天气的预测模型  25-39
  4.1 研究对象  25
  4.2 常规预测方法  25-26
  4.3 支持向量机方法  26-28
    4.3.1 模型的基本步骤  26
    4.3.2 模型中参数的确定  26-27
    4.3.3 模型建立  27-28
  4.4 BP 神经网络方法  28-33
    4.4.1 BP 网络结构图  29
    4.4.2 BP 网络学习过程  29-30
    4.4.3 BP 神经网络的算法步骤可归纳为  30-31
    4.4.4 BP 神经网络预测模型的建立  31-32
    4.4.5 应用实例  32-33
  4.5 组合预测模型  33-39
    4.5.1 算术平均法  33
    4.5.2 预测误差平方和倒数方法  33-34
    4.5.3 均方误差倒数方法  34
    4.5.4 简单加权平均方法  34-35
    4.5.5 二项式系数方法  35-39
  4.6 本章小结  39
5 实验结果  39-40
6 结论与展望  40-42
  6.1 结论  40
  6.2 展望  40-42
参考文献  42-46
致谢  46-47
个人简历  47

支持向量机在贵阳凝冻天气预测中的应用

内容摘要

全文目录

相似论文