Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验)
支持向量机方法(SVM)是基于统计学理论的一种较为新颖的学习方法，应用该方法解决小样本条件下的非线性问题既有坚实的理论基础，也十分有效.基于2013~2014年金华站的地面自动站资料、探空气象资料以及大气污染物浓度数据，采用SVM分类方法建立2个金华SVM霾识别预报模型，即初始模型和订正模型，并对其8种核函数最优模型进行对比试验.结果表明：（1）初始模型的正样本分类Ts评分在0.45以上，均高于订正模型，故初始模型分类结果较为理想，可以给实际霾日识别预报提供参考；(2)初始模型的分类结果优于订正模型，且前者的漏报次数明显少于后者，究其原因可以发现14：00气象条件和大气污染物条件对当日是否为霾...
| Main Authors: | , , , , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Zhejiang University Press
2015-12-01
|
| Series: | Zhejiang Daxue xuebao. Lixue ban |
| Subjects: | |
| Online Access: | https://doi.org/10.3785/j.issn.1008-9497.2015.Supp.022 |
| _version_ | 1797235872636076032 |
|---|---|
| author | ZHENGZhaoxia(郑朝霞) ZHANGHangcai(张行才) JIZhijian(季致建) QIUXiaowei(邱小伟) FANGTaoni(方桃妮) ZHOUMei(周梅) |
| author_facet | ZHENGZhaoxia(郑朝霞) ZHANGHangcai(张行才) JIZhijian(季致建) QIUXiaowei(邱小伟) FANGTaoni(方桃妮) ZHOUMei(周梅) |
| author_sort | ZHENGZhaoxia(郑朝霞) |
| collection | DOAJ |
| description | 支持向量机方法(SVM)是基于统计学理论的一种较为新颖的学习方法，应用该方法解决小样本条件下的非线性问题既有坚实的理论基础，也十分有效.基于2013~2014年金华站的地面自动站资料、探空气象资料以及大气污染物浓度数据，采用SVM分类方法建立2个金华SVM霾识别预报模型，即初始模型和订正模型，并对其8种核函数最优模型进行对比试验.结果表明：（1）初始模型的正样本分类Ts评分在0.45以上，均高于订正模型，故初始模型分类结果较为理想，可以给实际霾日识别预报提供参考；(2)初始模型的分类结果优于订正模型，且前者的漏报次数明显少于后者，究其原因可以发现14：00气象条件和大气污染物条件对当日是否为霾日的判断非常重要，即14：00前后是灰霾出现比较频繁的时段. |
| first_indexed | 2024-04-24T16:54:52Z |
| format | Article |
| id | doaj.art-1166690dbb324732bb5118a3ab6068aa |
| institution | Directory Open Access Journal |
| issn | 1008-9497 |
| language | zho |
| last_indexed | 2024-04-24T16:54:52Z |
| publishDate | 2015-12-01 |
| publisher | Zhejiang University Press |
| record_format | Article |
| series | Zhejiang Daxue xuebao. Lixue ban |
| spelling | doaj.art-1166690dbb324732bb5118a3ab6068aa2024-03-29T01:58:35ZzhoZhejiang University PressZhejiang Daxue xuebao. Lixue ban1008-94972015-12-0142Z113814110.3785/j.issn.1008-9497.2015.Supp.022Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验)ZHENGZhaoxia(郑朝霞)0ZHANGHangcai(张行才)1JIZhijian(季致建)2QIUXiaowei(邱小伟)3FANGTaoni(方桃妮)4ZHOUMei(周梅)5Jinhua Meteorological Bureau, Jinhua 321000, Zhejiang Province, China(金华市气象局，浙江 金华 321000)Jinhua Meteorological Bureau, Jinhua 321000, Zhejiang Province, China(金华市气象局，浙江 金华 321000)Jinhua Meteorological Bureau, Jinhua 321000, Zhejiang Province, China(金华市气象局，浙江 金华 321000)Jinhua Meteorological Bureau, Jinhua 321000, Zhejiang Province, China(金华市气象局，浙江 金华 321000)Jinhua Meteorological Bureau, Jinhua 321000, Zhejiang Province, China(金华市气象局，浙江 金华 321000)Jinhua Meteorological Bureau, Jinhua 321000, Zhejiang Province, China(金华市气象局，浙江 金华 321000)支持向量机方法(SVM)是基于统计学理论的一种较为新颖的学习方法，应用该方法解决小样本条件下的非线性问题既有坚实的理论基础，也十分有效.基于2013~2014年金华站的地面自动站资料、探空气象资料以及大气污染物浓度数据，采用SVM分类方法建立2个金华SVM霾识别预报模型，即初始模型和订正模型，并对其8种核函数最优模型进行对比试验.结果表明：（1）初始模型的正样本分类Ts评分在0.45以上，均高于订正模型，故初始模型分类结果较为理想，可以给实际霾日识别预报提供参考；(2)初始模型的分类结果优于订正模型，且前者的漏报次数明显少于后者，究其原因可以发现14：00气象条件和大气污染物条件对当日是否为霾日的判断非常重要，即14：00前后是灰霾出现比较频繁的时段.https://doi.org/10.3785/j.issn.1008-9497.2015.Supp.022svm分类方法霾识别预报核函数 |
| spellingShingle | ZHENGZhaoxia(郑朝霞) ZHANGHangcai(张行才) JIZhijian(季致建) QIUXiaowei(邱小伟) FANGTaoni(方桃妮) ZHOUMei(周梅) Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验) Zhejiang Daxue xuebao. Lixue ban svm分类方法 霾识别预报 核函数 |
| title | Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验) |
| title_full | Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验) |
| title_fullStr | Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验) |
| title_full_unstemmed | Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验) |
| title_short | Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验) |
| title_sort | contrast experiments of two svm identification methods of haze 2个svm霾识别预报模型的对比试验 |
| topic | svm分类方法 霾识别预报 核函数 |
| url | https://doi.org/10.3785/j.issn.1008-9497.2015.Supp.022 |
| work_keys_str_mv | AT zhengzhaoxiazhèngcháoxiá contrastexperimentsoftwosvmidentificationmethodsofhaze2gèsvmmáishíbiéyùbàomóxíngdeduìbǐshìyàn AT zhanghangcaizhāngxíngcái contrastexperimentsoftwosvmidentificationmethodsofhaze2gèsvmmáishíbiéyùbàomóxíngdeduìbǐshìyàn AT jizhijianjìzhìjiàn contrastexperimentsoftwosvmidentificationmethodsofhaze2gèsvmmáishíbiéyùbàomóxíngdeduìbǐshìyàn AT qiuxiaoweiqiūxiǎowěi contrastexperimentsoftwosvmidentificationmethodsofhaze2gèsvmmáishíbiéyùbàomóxíngdeduìbǐshìyàn AT fangtaonifāngtáonī contrastexperimentsoftwosvmidentificationmethodsofhaze2gèsvmmáishíbiéyùbàomóxíngdeduìbǐshìyàn AT zhoumeizhōuméi contrastexperimentsoftwosvmidentificationmethodsofhaze2gèsvmmáishíbiéyùbàomóxíngdeduìbǐshìyàn |