傳統(tǒng)的臨近降雨預(yù)報(bào)方法主要是利用數(shù)值方法、外推技術(shù)和概念模型等來預(yù)報(bào)。這些臨近降雨預(yù)測的方法考慮的因素眾多、模型的構(gòu)造過于復(fù)雜且預(yù)測步驟多、累計(jì)誤差較大。近年來,機(jī)器學(xué)習(xí)方法在氣象預(yù)報(bào)中得到廣泛應(yīng)用。本文利用雷達(dá)降雨產(chǎn)品,引入支持向量機(jī)（SVM）、梯度提升樹（GBDT）、極限提升樹（XGBoost）三種機(jī)器學(xué)習(xí)方法應(yīng)用于雷達(dá)降雨產(chǎn)品的臨近降雨預(yù)報(bào),使用TS評(píng)分、命中率POD、空報(bào)率FAR和漏報(bào)率MAR四個(gè)定性檢驗(yàn)指標(biāo)來綜合比較各機(jī)器學(xué)習(xí)方法在臨近降雨預(yù)報(bào)中的預(yù)報(bào)效果,還將XGBoost方法和PPLK方法相結(jié)合進(jìn)行短臨定量降水預(yù)報(bào),使用了相關(guān)檢驗(yàn)指標(biāo)進(jìn)行了評(píng)估。下面是本文的主要研究結(jié)果和結(jié)論:（1）基于SVM方法的臨近降雨預(yù)報(bào)研究。建立了雷達(dá)降雨產(chǎn)品-晴雨預(yù)報(bào)的非線性支持向量機(jī)訓(xùn)練模型,達(dá)到了在考慮較少影響因子的基礎(chǔ)上對(duì)雷達(dá)降雨產(chǎn)品進(jìn)行臨近降雨預(yù)報(bào),在降雨分布比較集中的雷達(dá)降雨產(chǎn)品中降雨的命中率都較高,實(shí)驗(yàn)驗(yàn)證了該方法的可行性。（2）基于GBDT方法的臨近降雨預(yù)報(bào)研究。建立了雷達(dá)降雨產(chǎn)品-晴雨預(yù)報(bào)的梯度提升模型,實(shí)現(xiàn)了從數(shù)據(jù)驅(qū)動(dòng)的角度對(duì)雷達(dá)降雨產(chǎn)品進(jìn)行臨近降雨預(yù)報(bào),在各類雷達(dá)降雨產(chǎn)品中的... 

【文章來源】：南寧師范大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

SVM方法臨近降雨晴雨預(yù)報(bào)的漏報(bào)率MAR

SVM方法臨近降雨晴雨預(yù)報(bào)的TS評(píng)分

GBDT臨近降雨晴雨預(yù)報(bào)的漏報(bào)率MAR

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的短時(shí)臨近降雨預(yù)報(bào)方法[J]. 鐘海燕,李玲,麥雄發(fā),王雨.  廣西師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(04)
[2]用于高血壓菜譜識(shí)別的基于遺傳算法的改進(jìn)XGBoost模型[J]. 雷雪梅,謝依彤.  計(jì)算機(jī)科學(xué). 2018(S1)
[3]機(jī)器學(xué)習(xí)方法在股指期貨預(yù)測中的應(yīng)用研究——基于BP神經(jīng)網(wǎng)絡(luò)、SVM和XGBoost的比較分析[J]. 黃卿,謝合亮.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(08)
[4]GBDT組合模型在股票預(yù)測中的應(yīng)用[J]. 張瀟,韋增欣,楊天山.  海南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[5]基于梯度提升決策樹的航班延誤分類預(yù)測[J]. 劉金元,丁勇,李濤.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(04)
[6]基于XGBoost的遙感圖像中道路網(wǎng)絡(luò)的提取[J]. 楊燦.  微型機(jī)與應(yīng)用. 2017(24)
[7]基于隨機(jī)森林的天氣場景判別算法[J]. 史靜,朱虹.  微型機(jī)與應(yīng)用. 2017(24)
[8]基于決策樹對(duì)有無降水進(jìn)行預(yù)測[J]. 張佳華,姚宜斌,曹娜.  測繪地理信息. 2017(05)
[9]基于GBDT的個(gè)人信用評(píng)估方法[J]. 王黎,廖聞劍.  電子設(shè)計(jì)工程. 2017(15)
[10]基于隨機(jī)森林的內(nèi)江市降水量中長期預(yù)測[J]. 黃璽瑋,王利,楊雙寧,周麗,范君.  陰山學(xué)刊(自然科學(xué)版). 2017(04)

碩士論文
[1]基于XGBoost的不平衡分類方法研究[D]. 萬志超.安徽大學(xué) 2018



本文編號(hào)：3103172