典型文献
几种典型机器学习算法在短临降雨预报分析研究
文献摘要：
针对降雨过程中大气可降水量(PWV)和气象参数(温度(T)、湿度(U)、露点温度(Td)、气压(P))特征变化情况,提出基于机器学习算法的短临降雨预报模型.以北京(BJFS)站和武汉(WUH2)站2020年的3 h天顶对流层延迟(ZTD)和气象数据为例,构建随机森林(RF)、支持向量机(SVM)、K近邻(KNN)、朴素贝叶斯分类器(NBC)4种算法的预报模型,并引入各自时刻的降雨情况作为新的特征向量,分别采用70％和80％训练集的分割方式,降雨情况作为模型输出,并利用准确性、精确率和假负率评价模型的适用性.在取得准确性约0.92,精确率约80％,假负率约20％的结果下,进一步以时间序列年积日为第150—200天的数据为样本,对200—250天的降雨情况进行预报.实验结果表明:基于机器学习的短临降雨预报模型可以预报未来3 h 80％以上的降雨情况,且假负率在20％以下,其中SVM模型的综合性能更优.与传统的阈值模型相比,准确率相当,假负率降低约50％.
文献关键词：
机器学习;天顶对流层延迟(ZTD);大气可降水量(PWV);气象数据;短临降雨
中图分类号：
作者姓名：
池钦;赵兴旺;陈健
作者机构：
安徽理工大学空间信息与测绘工程学院, 安徽淮南 232001
文献出处：
引用格式：
[1]池钦;赵兴旺;陈健-.几种典型机器学习算法在短临降雨预报分析研究)[J].全球定位系统,2022(04):122-128
A类：
B类：
机器学习算法,短临降雨,降雨预报,预报分析,降雨过程,大气可降水量,PWV,气象参数,露点温度,Td,特征变化,基于机器学习,预报模型,BJFS,WUH2,天顶对流层延迟,ZTD,气象数据,RF,近邻,KNN,朴素贝叶斯分类器,NBC,雨情,特征向量,训练集,分割方式,模型输出,精确率,年积日,阈值模型
AB值：
0.318326
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
