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:
影响天气的变化有复杂的诸多因素,要实现对短期天气准确的预测,SVM算法在解决分类预测问题上表现出优良泛化能力.本文对榆林市天气样本建立SVM分类模型,并进行相应的预报测试,结果显示,对应的SVM分类模型具有良好的预报能力.
推荐文章
基于支持向量机的短期负荷预测
电力系统负荷
短期预测
支持向量机
网格法
野草算法和支持向量机相融合的短期负荷预测
电力系统
短期负荷
野草算法
相空间重构
基于相似日的支持向量机短期负荷预测
负荷预测
最小二乘支持向量机
细菌趋化
相似日
日期距离
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 支持向量机对短期天气的预测
来源期刊 电脑迷 学科
关键词 SVM 短期天气预测 分类预测
年,卷(期) 2018,(5) 所属期刊栏目 综合论坛
研究方向 页码范围 248
页数 1页 分类号
字数 1319字 语种 中文
DOI 10.3969/j.issn.1672-528X.2018.05.231
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 陶静 1 0 0.0 0.0
2 吕倩 1 0 0.0 0.0
3 杨若愚 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (16)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
研究主题发展历程
节点文献
SVM
短期天气预测
分类预测
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
电脑迷
旬刊
1672-528X
50-1163/TP
16开
重庆市渝中区双钢路3号科协大厦1202(武汉市洪山区珞狮北路2号樱花大厦A座15楼 430070)
78-230
2003
chi
出版文献量(篇)
29651
总下载数(次)
121
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导