能見度對(duì)人們?nèi)粘Ｉ钣芯薮笥绊�。例�?短期的低能見度預(yù)測精度對(duì)高速公路交通和飛機(jī)飛行非常重要。尤其是飛行活動(dòng),低能見度會(huì)給飛機(jī)飛行帶來視程障礙,危及飛行安全。在本文中,我們嘗試通過機(jī)器學(xué)習(xí)方法預(yù)測能見度,尤其是低能見度情況。我們首先通過數(shù)據(jù)的統(tǒng)計(jì)特征和相關(guān)性分析等方法,分析北京氣象觀測站54511的能見度數(shù)據(jù),為后續(xù)的模型擬合提供先驗(yàn)信息。此外,我們還通過空間上的最鄰近插補(bǔ)以填補(bǔ)缺失數(shù)據(jù)。在實(shí)驗(yàn)中,我們通過長短期記憶模型（Long Short-Term Memory Mod-el,LSTM）來預(yù)測能見度。通過調(diào)整損失函數(shù)和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),我們將更好的優(yōu)化模型,使得預(yù)測結(jié)果更加適用于實(shí)踐應(yīng)用,即,更加關(guān)注低能見度部分的數(shù)據(jù)預(yù)測精度。我們分別通過回歸和分類方法預(yù)測能見度。對(duì)于回歸模型,我們構(gòu)建了加權(quán)的損失函數(shù),以提升低能見度數(shù)據(jù)預(yù)測精度。以平均絕對(duì)誤差為評(píng)估標(biāo)準(zhǔn),我們發(fā)現(xiàn)長短期記憶回歸模型預(yù)測結(jié)果優(yōu)于常用的隨機(jī)森林方法與多層感知機(jī)模型。此外,我們發(fā)現(xiàn)在長短期記憶模型解決時(shí)間序列預(yù)測問題時(shí),系統(tǒng)性的“時(shí)間滯后”現(xiàn)象將會(huì)出現(xiàn),這主要是由于訓(xùn)練集中數(shù)據(jù)量的不足導(dǎo)致模型的系統(tǒng)誤差。對(duì)于分類模型,我們... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：43 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２：北京站能見度分布??

Ｔｉｍｅ?ｌａｇ??圖３：北京站能見度自相關(guān)性??北京站的能見度自相關(guān)性計(jì)算結(jié)果如圖３所示。當(dāng)相差的時(shí)間步增加??時(shí)，時(shí)間序列的自相關(guān)性呈現(xiàn)明顯的下降趨勢。這個(gè)發(fā)現(xiàn)符合我們正常的認(rèn)??知：距離越遠(yuǎn)的事件對(duì)當(dāng)前狀態(tài)的影響越小。從圖３我們可以看到，在時(shí)間??步相差３小時(shí)以內(nèi)時(shí)，能見度時(shí)間序列的自相關(guān)性在０．８以上。而當(dāng)時(shí)間步相??差達(dá)到１２小時(shí)后，能見度的自相關(guān)性迅速下降到０．４左右。在這之后，自相??關(guān)性下降速度減緩，在２４小時(shí)時(shí)降為０．３。從圖中可以發(fā)現(xiàn)，當(dāng)能見度數(shù)據(jù)??間隔達(dá)到２４小時(shí)以上，相互間的影響較小，幾乎不相關(guān)聯(lián)。因此，我們將選??擇過去２４小時(shí)的氣象數(shù)據(jù)作為輸入構(gòu)建模型。??§２．３缺失數(shù)據(jù)填補(bǔ)??由于觀測儀器的故障和其他要素的干擾，現(xiàn)實(shí)數(shù)據(jù)中總是存在某些缺??失。北京站各觀測要素的缺失率在表２中展示。其

?山東大學(xué)碩士學(xué)位論文???第三章模型與評(píng)估??§３．１長短期記憶模型??長短期記憶模型是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)模型。正如我們所知，循環(huán)??神經(jīng)網(wǎng)絡(luò)模型通常僅對(duì)短期的信息較為敏感，很少運(yùn)用長期的信息，難以處??理信息間的長期依賴。這是由于在傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)的計(jì)算過程中會(huì)出現(xiàn)梯??度消失現(xiàn)象，而長短期記憶模型則有效避免了這個(gè)問題。長短期記憶模型??于１９９７年被提出，并在之后得到多次改進(jìn)［２０卜在長短期記憶模型中，循環(huán)??神經(jīng)網(wǎng)絡(luò)的單個(gè)神經(jīng)元被單元結(jié)構(gòu)取代，每個(gè)單元含有３個(gè)“門”狀態(tài)：輸??入門、輸出門和遺忘門。在每個(gè)單元中，輸入門選擇性地將新信息記錄到當(dāng)??前的單元狀態(tài)，而遺忘門決定丟棄哪些信息。之后，輸出門將處理后的信息??部分輸出到其他單元。長短期記憶模型的具體結(jié)構(gòu)如圖４。??

【參考文獻(xiàn)】：
期刊論文
[1]高速公路霧天能見度預(yù)測方法[J]. 龍科軍,李超群,毛學(xué)軍,胡玉婷.  公路. 2017(03)
[2]相對(duì)濕度和PM2.5濃度對(duì)大氣能見度的影響研究:基于小時(shí)資料的多站對(duì)比分析[J]. 樊高峰,馬浩,張小偉,劉櫻.  氣象學(xué)報(bào). 2016(06)
[3]石家莊地區(qū)能見度變化特征及其與相對(duì)濕度和顆粒物濃度的關(guān)系[J]. 王曉敏,韓軍彩,陳靜,鈐偉妙,岳艷霞.  干旱氣象. 2016(04)
[4]天津大氣能見度與相對(duì)濕度和PM10及PM2.5的關(guān)系[J]. 宋明,韓素芹,張敏,姚青,朱彬.  氣象與環(huán)境學(xué)報(bào). 2013(02)
[5]重采樣方法與機(jī)器學(xué)習(xí)[J]. 畢華,梁洪力,王玨.  計(jì)算機(jī)學(xué)報(bào). 2009(05)



本文編號(hào)：3297437