基于決策樹方法的熱帶云團(tuán)發(fā)展分類及關(guān)鍵因子挖掘研究
發(fā)布時間:2023-04-25 21:29
熱帶云團(tuán)(Tropical Cloud Cluster, TCC)如何發(fā)展成熱帶氣旋(Tropical Cyclone, TC)及其氣候特征的研究對TC生成預(yù)報至關(guān)重要,但與其生成后的研究相比,TCC發(fā)展規(guī)律的研究較少。數(shù)據(jù)挖掘是一種新的數(shù)據(jù)分析技術(shù),過去預(yù)測TC生成的統(tǒng)計方法普遍缺乏捕獲規(guī)律的能力,而數(shù)據(jù)挖掘能夠揭示數(shù)據(jù)中隱藏的規(guī)律,利用其對數(shù)據(jù)的分析能力建立分類預(yù)測模型并結(jié)合TC生成的動力學(xué)理論從中提取有用的信息,為TC生成研究提供新思路。本文利用決策樹算法對TCC是否發(fā)展成TC進(jìn)行分類預(yù)測,并從算法中提取影響TCC發(fā)展的關(guān)鍵因子,得到以下結(jié)論:(1)將TCC能否發(fā)展成為TC抽象為二元分類問題,使用CART和C4.5算法根據(jù)TC生成前24小時TCC數(shù)據(jù)對西北太平洋TC生成情況進(jìn)行預(yù)測,并與判別分析的預(yù)測結(jié)果進(jìn)行對比。結(jié)果表明C4.5算法比CART算法、判別分析的預(yù)測準(zhǔn)確率高,其訓(xùn)練集準(zhǔn)確率為85.69%,測試集為85.03%,能夠較好地區(qū)分發(fā)展類與不發(fā)展類TCC的環(huán)境場特征。(2)決策樹算法發(fā)現(xiàn)925hPa散度和700hPa相對渦度是區(qū)分發(fā)展與不發(fā)展TCC非常重要的環(huán)境場因子。進(jìn)一...
【文章頁數(shù)】:81 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究進(jìn)展
1.2.1 熱帶云團(tuán)發(fā)展與熱帶氣旋生成研究進(jìn)展
1.2.2 數(shù)據(jù)挖掘分類算法研究現(xiàn)狀
1.2.3 數(shù)據(jù)挖掘算法在熱帶氣旋研究上的應(yīng)用
1.3 研究思路與內(nèi)容
第二章 資料與方法
2.1 資料來源及處理流程
2.2 決策樹分類算法原理
2.2.1 決策樹的剪枝
2.2.2 分類終止條件
2.2.3 C4.5算法原理
2.2.4 CART算法原理
2.3 統(tǒng)計方法
2.3.1 相關(guān)分析
2.3.2 t檢驗
2.3.3 BDI指數(shù)
2.3.4 熱帶云團(tuán)生成率
第三章 熱帶云團(tuán)發(fā)展?fàn)顩r分類預(yù)測
3.1 因子的選取
3.2 數(shù)據(jù)預(yù)處理
3.3 決策樹算法與判別分析對比
3.4 決策樹分類規(guī)則解釋與分析
3.5 本章小結(jié)
第四章 影響熱帶云團(tuán)發(fā)展的關(guān)鍵因子挖掘及分析
4.1 關(guān)鍵因子重要性排序
4.2 主要大氣環(huán)境場因子與熱帶云團(tuán)發(fā)展的聯(lián)系
4.3 西北太平洋不同區(qū)域熱帶云團(tuán)發(fā)展差異
4.4 海溫與熱帶云團(tuán)發(fā)展的聯(lián)系
4.4.1 兩類El Nino事件對熱帶云團(tuán)發(fā)展的影響
4.4.2 熱帶云團(tuán)發(fā)展與兩類El Nino相聯(lián)系的大尺度環(huán)流因素
4.4.3 熱帶云團(tuán)在風(fēng)切變偏大區(qū)發(fā)展的可能原因
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 下一步工作及展望
參考文獻(xiàn)
致謝
作者簡介
本文編號:3801096
【文章頁數(shù)】:81 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究進(jìn)展
1.2.1 熱帶云團(tuán)發(fā)展與熱帶氣旋生成研究進(jìn)展
1.2.2 數(shù)據(jù)挖掘分類算法研究現(xiàn)狀
1.2.3 數(shù)據(jù)挖掘算法在熱帶氣旋研究上的應(yīng)用
1.3 研究思路與內(nèi)容
第二章 資料與方法
2.1 資料來源及處理流程
2.2 決策樹分類算法原理
2.2.1 決策樹的剪枝
2.2.2 分類終止條件
2.2.3 C4.5算法原理
2.2.4 CART算法原理
2.3 統(tǒng)計方法
2.3.1 相關(guān)分析
2.3.2 t檢驗
2.3.3 BDI指數(shù)
2.3.4 熱帶云團(tuán)生成率
第三章 熱帶云團(tuán)發(fā)展?fàn)顩r分類預(yù)測
3.1 因子的選取
3.2 數(shù)據(jù)預(yù)處理
3.3 決策樹算法與判別分析對比
3.4 決策樹分類規(guī)則解釋與分析
3.5 本章小結(jié)
第四章 影響熱帶云團(tuán)發(fā)展的關(guān)鍵因子挖掘及分析
4.1 關(guān)鍵因子重要性排序
4.2 主要大氣環(huán)境場因子與熱帶云團(tuán)發(fā)展的聯(lián)系
4.3 西北太平洋不同區(qū)域熱帶云團(tuán)發(fā)展差異
4.4 海溫與熱帶云團(tuán)發(fā)展的聯(lián)系
4.4.1 兩類El Nino事件對熱帶云團(tuán)發(fā)展的影響
4.4.2 熱帶云團(tuán)發(fā)展與兩類El Nino相聯(lián)系的大尺度環(huán)流因素
4.4.3 熱帶云團(tuán)在風(fēng)切變偏大區(qū)發(fā)展的可能原因
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 下一步工作及展望
參考文獻(xiàn)
致謝
作者簡介
本文編號:3801096
本文鏈接:http://sikaile.net/projectlw/qxxlw/3801096.html
最近更新
教材專著