低温雨雪过程的粒子群-支持向量回归预报方法
低温雨雪冰冻灾害是多种气象要素在同时段、同区域相互配合迭加影响而形成的,具有显著的非线性、时变性特征,预报难度很大.为此首先采用逐步回归与核主成分分析相结合的因子特征提取构建模型的输入矩阵.进一步采用粒子群算法对支持向量回归预报模型的相关参数进行优化,以华南广西区域持续性低温雨雪冰冻天气过程的冷湿指数作为预报对象,建立粒子群-非线性支持向量回归预报模型(PSO-SVR).由独立样本对比预报试验结果表明,在建模样本相同、预报因子相同的条件下,粒子群-支持向量回归预报模型对严重过程和一般过程低温雨雪天气过程冷湿指数的独立样本预报平均绝对误差分别为7.39和7.65;而相应的回归预报方程对这两种过程的独立样本预报平均绝对误差分别为11.18和7.94,显示了PSO-SVR预报模型的预报误差明显小于一般的线性回归方法.
低温雨雪、冷湿指数、粒子群算法、非线性支持向量回归、核主成分分析
28
P457.6;TP181;X43(天气预报)
国家自然科学基金项目41565005,41575051;广西青年自然科学基金项目2014GXNSFBA118211
2019-11-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
125-133