本文提出了基于SMOTE算法与ARF(Adaboost Random Forest)算法的沙尘暴预测模型,较好地解决了稀有类的分类问题.该模型首先使用SMOTE算法对沙尘暴月度观测数据进行预处理,平衡各类别的样本数;然后对预处理后的数据,以随机森林作为弱分类器,嵌入Adaboost算法进行统计集成学习.该模型无需进行特征选取、泛化特性好、抗噪音、对训练数据质量要求低,预测性能较强,总体预测成功率达到了96.51%.更为重要的是,该模型虚报率为0%,漏报率仅为0.43%,可以用于实际的沙尘暴预警,与传统模型相比,更具有实用价值.
展开▼