最小二乘支持向量机在汛期降水量中的预测试验

摘要

目前,在汛期降水量预测中,大多采用的是统计预测方法和数值模式的动力学方法,而这些方法很多是建立在线性相关的基础上,但是大气环流变化中的复杂性和非线性性,往往决定预报因子与预报对象之间为非线性相关,因此用传统的预测方法处理本质上具有非线性关系的问题时具有一定的局限性.近年来在国际上开始流行的最小二乘支持向量机,作为继神经网络方法之后发展起来的一种新型非线性机器学习方法,该方法以统计学习理论为基础,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,被认为是目前针对小样本分类、回归等问题的最佳理论.目前国内外在金融时间序列预测、分类、工程控制等领域应用比较广泛,但在降水量预测研究领域还是空白.为研究最小二乘支持向量机在汛期降水量预报中的应用能力,本文简单介绍了最小二乘支持向量机的原理和应用,并基于1981～2012年6、7、8月各月降水量观测资料,选择合适的参数和核函数,采用最小二乘支持向量机回归方法分别按月建立了豫西南地区(洛阳、栾川、卢氏和南阳站)汛期降水量预报模型,进行了2013年汛期降水量预报试验,同时与相同资料下的灰色预测模型结果进行了比较.结果表明:(1)最小二乘支持向量机回归方法可以较准确地对汛期降水量趋势进行预测,在个别月份体现出较好的预报能力.(2)通过与相同资料条件下的灰色预测模型的预报结果对比可以看出,两种方法都有各自的预报优势,说明最小二乘支持向量机方法可以作为汛期降水量趋势预测的一种新方法.(3)本文选取的预报因子为历年降水量实况,因子之间的独立性相对较差,下一步可以尝试选用与降水相关的气象要素作为预报因子,预报效果可能会更好.(4)对于采用多种方法进行的汛期降水量预测,各种方法的预测结论可能会不一致,下一步尝试选用一种较好的集合预报方法,综合集成预测结果,预测效果应该更佳.