首页|利用最小二乘支持向量机的短临降雨预测模型构建

利用最小二乘支持向量机的短临降雨预测模型构建

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统降雨预测理论错报率高及算法拟合精度低等缺陷,将与降雨过程相关的多种气象参数(温度、相对湿度、露点温度、气压等)及时间参数(年积日和天积时)引入短临降雨预测模型的构建.将新加坡2个GNSS和气象并址的测站(NTUS、SNUS)2010〜2012年的气象数据及降雨数据作为样本,研究气象参数与降雨数据的时变特征,结果发现,降雨发生前气象参数均表现出异常的变化趋势,且各类气象参数与降雨均表现出弱相关性特征.基于该发现,首次应用最小二乘支持向量机(LS-SVM)模型实现对未来降雨的预测,将气象参数和时间参数作为模型输入,降雨数据作为模型输出,并利用正确率(TFR)和错报率(FFR)评价LS-SVM模型的精度.实验结果表明,该算法可预测出99％的降雨事件,且FFR为40％;与现有最小二乘降雨预测模型相比,该算法的FFR降低近20％,TFR提高近10％.
Establishment of Short-Term Rainfall Forecast Model by Least Square Support Vector Machine

赵庆志、刘洋、姚顽强

展开 >

西安科技大学测绘科学与技术学院,西安市雁塔路58号,710054

降雨预测 LS-SVM PWV GNSS 气象参数

陕西省自然科学基金中国博士后科学基金国家自然科学基金

2020JQ-7382020M67344241904036

2021

10.14075/j.jgg.2021.02.008

大地测量与地球动力学
中国地震局地震研究所 地壳运动监测工程研究中心等

大地测量与地球动力学

CSTPCDCSCD北大核心
影响因子：0.589
ISSN：1671-5942
年,卷(期)：2021.41(2)
  • 8
  • 13