支持向量机(SVM)方法在降水分类预测中的应用

摘要：

支持向量学习机(SVM)是基于统计学习理论的模式分类器,将SVM方法应用于降水异常的分类预测中尚属首次.主要利用1958-2003年逐月的74个环流特征量、NINO 3,NINO 4海温指数、相关区域海平面气压、500 HPA、100HPA有关指数资料等,分别建立了四川盆地5片区降水距平百分率大于50%(特多)和小于-50%(特少)的2个SVM推理模型,并进行了降水分类预测试验和2005年1-3月实际预测,结果显示出所建SVM推理模型的Ts评分较高,具有一定的预测能力,展示了SVM的优越性和推广前景,可在短期气候预测业务中参考应用.

关键词：支持向量机(SVM)、推理模型、降水、分类预测

所属期刊栏目：28

分类号：P457.6(天气预报)

资助基金：中国科学院资助项目60072006;四川省科研项目05jy 029-086

在线出版日期：2006-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：252-257