基于机器学习的雷电预报研究

摘要：

高准确率的雷电预报,有助于降低雷电带来的灾害,从而减少雷电造成的损失,所以如何提高雷电预报准确率具有重要的现实意义.为了提高支持向量机(SVM)算法的分类效果,引入了灰狼优化算法(GWO),利用GWO算法的全局优化能力优化SVM的c和σ,从而提高SVM分类的准确性.由于采集的雷电数据属性较多,采用主成分分析(PCA)方法对属性进行约简,获得能够反映雷电情况的主要影响因子,作为GWO-SVM的输入数据,GWO-SVM的输出为雷电发生情况.最后建立了雷电预报仿真实验,实验对比结果现实,在相同的实验参数及实验数据情况下,GWO-SVM方法相比于传统的其他3种算法具有更高的雷电预报准确率;相比于前人所作研究,所提方法也具有更高的雷电预报准确率;验证了所提雷电预报方法的可靠性.

关键词：支持向量机、灰狼算法、雷电预报、主成分分析

所属期刊栏目：38

分类号：P427.32;TN0(气象基本要素、大气现象)

在线出版日期：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27