基于改进AdaBoost-C4.5算法的降雨预测

摘要

针对传统的分类方法在构建降雨预测模型时都存在着泛化能力低、精度不足的问题,基于集成学习的思想,提出一种改进的Adaboost-C4.5算法.通过自适应增强算法集成C4.5决策树算法,得到多个弱分类器,再赋予弱分类器权值,利用粒子群算法对其权重系数进行优化,最后线性组合成强分类器来提高模型的分类性能.文中选取大气压强、气温、风向、风速和相对湿度作为预报因子,并建立5个等级预报降雨模型.实验表明,所提模型在性能上表现更好,提高了预报的准确率,降低了预报的漏报率,在5个等级预报中,降低了3级和4级降雨预测的标准误差.