大霧是一種常見的災(zāi)害天氣,發(fā)生時(shí)具有低能見度的特點(diǎn),會(huì)對(duì)人們的出行產(chǎn)生極大的影響。如果能夠提前對(duì)大霧天氣進(jìn)行預(yù)測(cè),將有效地避免經(jīng)濟(jì)損失、降低風(fēng)險(xiǎn)。目前對(duì)大霧的研究中主要包括對(duì)霧的雷達(dá)實(shí)時(shí)監(jiān)測(cè)以及相關(guān)數(shù)值分析方法,但上述方法不僅需要借助預(yù)報(bào)員的經(jīng)驗(yàn),而且復(fù)雜的計(jì)算過程可能會(huì)產(chǎn)生一定的時(shí)間開銷。而隨著人工智能的發(fā)展,目前已較廣泛地應(yīng)用于航天、生物醫(yī)療等領(lǐng)域的預(yù)測(cè)任務(wù)中。另外,現(xiàn)有的研究工作更加關(guān)注于當(dāng)前時(shí)刻霧天氣的狀態(tài),沒有對(duì)未來時(shí)刻霧的狀態(tài)進(jìn)行預(yù)測(cè)。因此對(duì)未來時(shí)刻霧天氣的研究將具有重要的意義。本文借助全國(guó)綜合氣象信息共享平臺(tái)（CIMISS）的氣象要素?cái)?shù)據(jù),經(jīng)過相應(yīng)的數(shù)據(jù)處理,利用機(jī)器學(xué)習(xí)方法對(duì)未來時(shí)刻大霧狀況進(jìn)行研究（短鄰霧研究）。其研究?jī)?nèi)容根據(jù)東北區(qū)域氣象中心需求有如下兩個(gè)方面:短鄰霧分類預(yù)測(cè)研究、短鄰霧能見度預(yù)測(cè)研究。對(duì)短鄰霧天氣分類預(yù)測(cè)研究包括主要?dú)庀筇卣鞣治�、建立不同短時(shí)鄰近霧分類預(yù)測(cè)模型。其中研究了一種結(jié)合支持向量機(jī)（Support Vector Machine,SVM）與特征選擇Wrapper方法的短鄰霧天氣分類預(yù)測(cè)模型。該模型對(duì)多維氣象數(shù)據(jù)進(jìn)行列切分得到關(guān)于列的數(shù)據(jù)子集,將... 

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)氣象方法霧研究
        1.2.2 機(jī)器學(xué)習(xí)應(yīng)用于氣象學(xué)的研究
        1.2.3 集成學(xué)習(xí)方法研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.3.1 問題描述
        1.3.2 研究工作及創(chuàng)新點(diǎn)
        1.3.3 短鄰霧天氣分類預(yù)測(cè)研究
        1.3.4 短鄰霧天氣能見度預(yù)測(cè)研究
        1.3.5 霧預(yù)測(cè)方法的評(píng)估
    1.4 論文組織結(jié)構(gòu)
第2章 氣象數(shù)據(jù)介紹及建立短時(shí)鄰近霧預(yù)測(cè)樣本集
    2.1 數(shù)據(jù)獲取及特點(diǎn)
        2.1.1 數(shù)據(jù)獲取
        2.1.2 CIMISS接口特性
        2.1.3 數(shù)據(jù)的預(yù)處理
    2.2 氣象特征的建立
    2.3 霧天氣的判別及建立短時(shí)鄰近霧預(yù)測(cè)數(shù)據(jù)集
        2.3.1 短時(shí)鄰近霧分類樣本的標(biāo)注和建立
        2.3.2 短時(shí)鄰近霧能見度預(yù)測(cè)的標(biāo)注和建立
    2.4 本章小結(jié)
第3章 基于機(jī)器學(xué)習(xí)方法的短時(shí)鄰近霧分類預(yù)測(cè)
    3.1 大霧短鄰預(yù)測(cè)描述
    3.2 基于短時(shí)鄰近大霧預(yù)測(cè)方法及相關(guān)理論分析
        3.2.1 支持向量機(jī)方法作用及特點(diǎn)
        3.2.2 SVM方法在氣象數(shù)據(jù)的應(yīng)用
        3.2.3 Wrapper特征選擇方法
    3.3 結(jié)合支持向量機(jī)和WRAPPER方法的大霧預(yù)測(cè)模型
        3.3.1 一種結(jié)合SVM與 Wrapper方法的短時(shí)鄰近霧分類預(yù)測(cè)方法
        3.3.2 結(jié)合方法的訓(xùn)練過程
        3.3.3 獲取短鄰霧預(yù)測(cè)原始數(shù)據(jù)
        3.3.4 建立短鄰霧分類預(yù)測(cè)樣本集
        3.3.5 實(shí)現(xiàn)結(jié)合SVM和 Wrapper的大霧短時(shí)鄰近預(yù)測(cè)過程
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 機(jī)器學(xué)習(xí)模型評(píng)估方法
        3.4.2 不同機(jī)器學(xué)習(xí)方法的比較
        3.4.3 結(jié)合方法對(duì)氣象數(shù)據(jù)的訓(xùn)練實(shí)驗(yàn)
        3.4.4 各短時(shí)鄰近時(shí)刻霧分類預(yù)測(cè)的主要特征分析實(shí)驗(yàn)
        3.4.5 主要特征影響實(shí)驗(yàn)
        3.4.6 處理后的數(shù)據(jù)特征及獲取的原始特征對(duì)結(jié)合方法的影響
    3.5 本章小結(jié)
第4章 基于集成學(xué)習(xí)的短時(shí)鄰近能見度預(yù)測(cè)研究
    4.1 大霧短鄰預(yù)測(cè)描述
    4.2 基于集成學(xué)習(xí)方法的霧能見度預(yù)測(cè)方法及相關(guān)理論分析
        4.2.1 基于XGBoost方法的短時(shí)鄰近霧能見度預(yù)測(cè)理論分析
        4.2.2 獲取短時(shí)鄰近霧能見度霧預(yù)測(cè)的數(shù)據(jù)源
        4.2.3 霧能見度預(yù)測(cè)樣本的建立
        4.2.4 基于XGBoost的短時(shí)鄰近霧能見度預(yù)測(cè)研究
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 在氣象數(shù)據(jù)下構(gòu)成梯度提升樹的不同基模型比較
        4.3.2 構(gòu)成梯度提升樹的學(xué)習(xí)器數(shù)量對(duì)氣象數(shù)據(jù)的影響
        4.3.3 不同機(jī)器學(xué)習(xí)方法在氣象數(shù)據(jù)的預(yù)測(cè)能力比較
        4.3.4 氣象要素的重要程度計(jì)算及分析
        4.3.5 處理前后氣象屬性對(duì)短時(shí)鄰近能見度預(yù)測(cè)的影響
    4.4 本章小結(jié)
第5章 短時(shí)鄰近霧預(yù)測(cè)系統(tǒng)及性能分析
    5.1 基于機(jī)器學(xué)習(xí)方法的短時(shí)鄰近霧預(yù)測(cè)系統(tǒng)
        5.1.1 CIMISS接入模塊
        5.1.2 數(shù)據(jù)的計(jì)算處理模塊
        5.1.3 算法模塊
        5.1.4 算法更新模塊
    5.2 實(shí)時(shí)霧預(yù)測(cè)系統(tǒng)的性能評(píng)估
        5.2.1 氣象系統(tǒng)預(yù)報(bào)評(píng)價(jià)標(biāo)準(zhǔn)TS評(píng)分
        5.2.2 氣象標(biāo)準(zhǔn)對(duì)實(shí)時(shí)系統(tǒng)預(yù)測(cè)能力的評(píng)估
        5.2.3 各站點(diǎn)預(yù)報(bào)正確率
        5.2.4 突發(fā)事件的預(yù)測(cè)能力
        5.2.5 能見度預(yù)測(cè)模型在CIMISS實(shí)時(shí)數(shù)據(jù)的預(yù)測(cè)能力
    5.3 本章小結(jié)
第6章 結(jié)論
參考文獻(xiàn)
在學(xué)研究成果
    一、發(fā)表論文、出版專著
    二、科研項(xiàng)目
致謝



本文編號(hào)：3669952