利用最小二乘支持向量机的短临降雨预测模型构建

• 作者: 赵庆志 刘洋 姚顽强
• 来源期刊: 大地测量与地球动力学
• 学科: 地球科学
• 关键词: 降雨预测 LS-SVM PWV GNSS 气象参数
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 现代大地测量
• 页码范围: 152-156
• 页数: 5页
• 分类号: P228
• 语种: 中文
• DOI: 10.14075/j.jgg.2021.02.008

摘要

针对传统降雨预测理论错报率高及算法拟合精度低等缺陷,将与降雨过程相关的多种气象参数(温度、相对湿度、露点温度、气压等)及时间参数(年积日和天积时)引入短临降雨预测模型的构建.将新加坡2个GNSS和气象并址的测站(NTUS、SNUS)2010?2012年的气象数据及降雨数据作为样本,研究气象参数与降雨数据的时变特征,结果发现,降雨发生前气象参数均表现出异常的变化趋势,且各类气象参数与降雨均表现出弱相关性特征.基于该发现,首次应用最小二乘支持向量机(LS-SVM)模型实现对未来降雨的预测,将气象参数和时间参数作为模型输入,降雨数据作为模型输出,并利用正确率(TFR)和错报率(FFR)评价LS-SVM模型的精度.实验结果表明,该算法可预测出99％的降雨事件,且FFR为40％;与现有最小二乘降雨预测模型相比,该算法的FFR降低近20％,TFR提高近10％.