基于最小二乘支持向量机的云量释用预报技术研究
摘要
最小二乘支持向量机是在统计学习理论的VC维和结构风险最小化原理的基础上发展起来的一种新的机器学习方法,最早源于1999年SuykensJ.A.K和Vandewalb提出的一种支持向量机变形算法,它采用最小二乘线性系统作为损失函数,代替传统支持向量机的二次规划方法,将传统支持向量机中的不等式约束转化为等式约束,训练过程也由二次规划问题求解转化为线性方程组的求解,简化了计算的复杂度,它具有全局最优、结构简单、推广能力强等优点.可以解决样本空间中的高度非线性分类和回归等问题,是一种处理非线性分类和回归的有效方法,在进行小样本预测方面具有显著优势.目前,关于最小二乘支持向量机方法在气象领域的预报研究虽已取得了一定的成果,但与理论研究相比,应用研究相对比较滞后,在基于数值预报产品的气象要素释用预报领域的研究基本还很少.云属于常规气象要素预报内容,对人们日常生活、经济和军事活动具有重要影响,还会直接影响温度、湿度等气象要素,是形成降水的一个基本条件之一.因此,研究云的预报技术,具有重要的应用价值.为研究最小二乘支持向量机在云量释用预报中的应用效能,基于2004~2006年逐年1月WRF区域数值预报产品和单站历史观测资料,用相关系数法选取预报因子,采用最小二乘支持向量机回归方法,结合选取合适的参数和核函数,按照不同长度样本序列建立了定海和福州站总云量短期释用预报模型,利用2007年1月样本资料对模型进行了预报和检验.结果表明:两站不同长度样本的总云量预报模型,预报效果较好,其预报准确率不会因为训练样本的减少而降低,这正体现了最小二乘支持向量机针对"小样本"具有较好的预报能力,改变了传统统计预报方法只有在样本趋于无穷大的基础上才能取得较好预报效果的状况.可见,最小二乘支持向量机回归在总云量等气象要素释用预报方面,具有较好的应用前景.