基于RS-SVM的雷电预报模型

摘要

雷暴天气是电子时代的一大公害之一。随着科学技术的发展,尤其是气象科技技术的发展,对雷暴天气预测开展了许多研究工作,也取得了很多成果。但至今还没有开展雷暴天气的小尺度(预报尺度:5km×5km)临近(未来3小时)预报研究。由于雷暴不仅是属于小尺度气象,而且其造成的灾害相当严重。因此,目前防灾减灾部门正积极开展这方面的研究,研究雷暴天气的小尺度预报模型是气象科技研究的重要课题之一。
　　 粗糙集是处理不确定、不完善、不精确的信息的很有效的工具,支持向量机通过平衡VC维和经验风险,达到较好的分类精度和泛化能力。本文将采用粗糙集方法和支持向量机方法,结合雷电预报自身特点来研究构建小尺度(预报尺度:5km×5km)临近(未来3小时)雷电预报模型。本文主要所完成的工作包括以下几个方面:
　　 (1)数据采集本文使用历史LAPS气象资料数据及雷电定位数据作为实验数据。由于得到的气象样本中雷电样本与非雷电样本属于非平衡数据,论文基于哈夫曼树思想的采样算法对样本进行采样,使样本达到平衡。
　　 (2)数据的离散化本文运用基于信息熵的属性离散化算法对连续数据进行离散化,由于离散化后的断点过多,论文提出改进方法,即引入不一致率的概念对基于信息熵的离散化算法。这不仅提高了效率,而且大大减少了属性值断点的个数。
　　 (3)提出基于属性约简的预报因子生成方法本文首先研究基于基数排序求正域的方法和基于可分辨度的属性重要度启发式函数;其次,对盲目法求属性约简的方法进行了改进,使得该算法效率得到提高;然后,基于改进的属性约简方法对气象数据进行属性约简,提取有效的预报因子。
　　 (4)提出基于结合粗糙集和支持向量机方法的雷电潜势预报模型,分别研究了三个模型:
　　 1)基于粗糙集的预测模型;
　　 2)基于SVM的预报模型;
　　 3)将粗糙集与SVM结合的预报模型,并通过实验比较分析三种模型的预报准确度及稳定性。实验结果表明结合粗糙集与SVM结合的预报模型比其他两种预报模型具有更好的预报准确度和稳定性。
　　 最后对全文的研究工作进行了总结概括,阐述了所研究内容的可取和不足之处,并确定了下一步的工作方向。