基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用遗传算法对支持向量机(SVM)模型参数进行寻优,找到最优参数组合后代入SVM模型中,得到基于遗传算法的支持向量机模型(GA-SVM),利用此模型对热带气旋强度进行预报实验.该模型对热带气旋强度12 h、24 h和48 h的预报平均绝对误差分别为3.01 m/s、4.46 m/s和6.57 m/s;比最小二乘回归法的预报精度分别提高了12%、11%、14%.
推荐文章
粒子群算法与支持向量机相结合的热带气旋强度预报试验
支持向量机(SVM)
粒子群算法(PSO)
强度预报
热带气旋
基于遗传算法的双子支持向量机的模型选择
双子支持向量机
遗传算法
核函数
参数选择
基于遗传算法和支持向量机的故障诊断方法
最小二乘支持向量机
自适应遗传算法
机载电气盒
故障诊断
基于改进遗传算法的支持向量机微信垃圾文章识别
支持向量机
遗传算法
特征选择
参数优化
垃圾文章
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于遗传算法-支持向量机模型在热带气旋强度预报中的应用
来源期刊 海洋预报 学科 地球科学
关键词 支持向量机 遗传算法 热带气旋 强度预报
年,卷(期) 2011,(3) 所属期刊栏目 研究与分析
研究方向 页码范围 8-14
页数 分类号 P457
字数 5037字 语种 中文
DOI 10.3969/j.issn.1003-0239.2011.03.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘华强 解放军理工大学气象学院 9 93 5.0 9.0
2 顾锦荣 解放军理工大学气象学院 5 60 3.0 5.0
6 吕庆平 解放军理工大学气象学院 11 59 5.0 7.0
7 刘向陪 解放军理工大学气象学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (191)
参考文献  (5)
节点文献
引证文献  (7)
同被引文献  (20)
二级引证文献  (4)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(10)
  • 参考文献(2)
  • 二级参考文献(8)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
遗传算法
热带气旋
强度预报
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
海洋预报
双月刊
1003-0239
11-1837/P
16开
北京市海淀区大慧寺8号
1984
chi
出版文献量(篇)
1467
总下载数(次)
3
总被引数(次)
8379
论文1v1指导