支持向量机技术在华南地区雷雨天气预报中的应用

摘要

本文从数据挖掘原理入手,首先介绍了几种常用的自动分类方法,然后详细地研究统计学习理论和支持向量机的原理.接着,本文在华南地区的雷雨天气预测应用中,采用数据预处理中的数据清理、集成和变换等技术,应用支持向量机的方法进行认真地研究.结果表明,支持向量机的分类器效率高且准确率高,结果的准确率并不会因为训练样本数目的减少而大幅度降低,非常适合在非线性的、历史资料记录时间短的气象领域推广应用;经验风险最小化原则并不能保证好的泛化能力,对于某个特定的核函数,可通过调整误差惩罚参数C来得到性能最优的支持向量机.最后,本文对雷雨天气预报原型系统的运行模式和框架结构进行了全面的探讨.

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章绪论

1.1选题意义

1.2气象预报的方法

1.3国内外动态

1.4本文的研究内容和方法

1.5本文的章节安排

第二章数据挖掘和自动分类算法

2.1数据挖掘模型和数据挖掘的分类

2.1.1数据挖掘模型

2.1.2数据挖掘的分类

2.2分类及几种典型的分类算法

2.2.1分类的定义

2.2.2数据分类的过程

2.2.3分类算法的评估标准

2.2.4几种典型的分类算法

2.3自动分类中的过学习问题和支持向量机

第三章统计学习理论和支持向量机

3.1统计学习理论

3.1.1问题的表示

3.1.2经验风险最小化

3.1.3复杂性与推广能力

3.1.4 VC维

3.1.5推广性的界

3.2结构风险最小化

3.3广义最优分类面

3.4支持向量机

3.5核函数

3.6 SVM的局限性

第四章基于支持向量机的雷雨天气预报研究

4.1雷雨天气预报的基本概念

4.1.1“雷暴”与“雷雨”

4.1.2强雷暴

4.1.3预报雷暴需要依次考虑的几个问题

4.1.4雷暴强弱的预报

4.1.5雷暴的发生、发展预报

4.2原始天气数据准备

4.3样本数据的预处理

4.3.1数据预处理方法

4.3.2样本数据的清理和集成

4.3.3样本数据的变换

4.4基于支持向量机的雷雨天气预报研究

4.4.1 SVM训练算法

4.4.2模型性能的评估标准

4.4.3样本的训练学习和测试结果

4.4.3分析和讨论

第五章雷雨天气预报原型系统的研究和设计

5.1系统开发所基于的运行模式

5.2系统的框架设计

总结与展望

参考文献

致谢