结合GA算法的朴素贝叶斯分类器对单站降水分级预报的研究

摘要

朴素贝叶斯分类器(Navie Bayes,简称N-Bayes)在贝叶斯分类器家族中具有简单、高效和泛化能力强的特点.遗传算法(GA)是一种人工智能技术,可以从数据本身寻找属性变量的最优组合构建N-Bayes模型.本文利用2008年至2011年6、7、8、9月份的T511数值预报产品和单站观测资料,采用两种不同适应度函数的遗传算法优化朴素贝叶斯分类器算法(GA-NB),对石家庄、太原、林西三站13～24h时段的晴雨和降水等级进行了预报试验.试报结果表明:两种模型晴雨预报准确率明显高于T511,GA-NB1、GA-NB2三站平均晴雨预报预报准确率均高于85％;两种模型小雨TS评分达到0.37以上,中雨达到0.18以上,均高于T511预报TS评分;并且GA-NB模型能有效降低T511空报次数.