初探支持向量机算法在海洋站观测数据质量控制中的应用

• 作者: 刘思晗 卢勇夺 徐腾 李飞 林波 陈哲
• 来源期刊: 海洋预报
• 学科: 地球科学
• 关键词: 质量控制 SVM SVDD 海洋数据 多要素检验
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 研究与分析
• 页码范围: 66-73
• 页数: 8页
• 分类号: P714
• 字数: 4088字
• 语种: 中文
• DOI: 10.11737/j.issn.1003-0239.2016.02.010

摘要

为了有效提高海洋观测数据的质量,初步探索引入了一种统计学习算法——支持向量域描述(SVDD)用于海洋站多要素数据质量控制,建立了一套基于SVDD的多要素数据质控方法.该方法拥有惩罚系数C、RBF核参数、质控调节因子AR等多个参数,利用历史样本观测数据训练构建质量控制模型,通过该模型实现海洋观测数据质量控制.本文利用真实观测数据对该方法进行了分析检验,验证了该方法能够有效分析数据质量、发现可疑数据,对提高海洋观测资料的可靠性、科学性具有一定借鉴价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李飞		14	30	3.0	4.0
2	卢勇夺		6	9	2.0	2.0
3	林波		3	3	1.0	1.0
4	陈哲		3	5	2.0	2.0
5	刘思晗		4	4	1.0	1.0
6	徐腾		1	1	1.0	1.0