基于支持向量机回归算法的气象预测的应用研究

李杨 梁楠楠

摘要：支持向量机（SVM）是统计学习理论基础上一种新的学习方法，是关于非线性问题一种有效的解决方法。本文首先简要概述了支持向量机算法的原理，结合具体实例，并运用支持向量机在气象应用进行预测验证分析，试验结果显示，本算法的预测结果比较理想，证明了算法的有效性。

关键词：向量机；回归算法；气象预测

1.引言

全球气候变化异常，对于洪涝旱灾等自然灾害的预测带来极大困难。我国是农业大国，自然灾害成为威胁人类生命安全的极大隐患。气象预测技术可以减少洪澇灾害带来的损失，同时对于维护社会经济稳定发展，水资源优化调度等具有重要的意义。

目前，由于随着对气象统计预测技术的发展，气象的统计研究方法不断出现。随着研究的深入，神经网络等算法进行气象预测建模过程中，出现初始值、参数难以确定的等现象。支持向量机（SVM）算法在国内目前处于起步阶段，2004年，陈永义首次将支持向量机法运用于对气象统计方法中，取得了较好的预报能力。李智才采用支持向量机解决了空气样本中非线性关系问题，并在短期气象中得到很好运用。

4.结论

本文采用支持向量机算法对于气象预测中非线性问题和非线性回归问题，体现出良好的预测能力。但是通过对不同气象站的数据分析发现，对于降水预报，由于时效性和局域性要求比较高，由于本人气象知识的局限性，固参数选择样本因子不是最优，不同站点存在一定差误，有待于进一步研究和提高。（作者单位：宿州学院信息工程学院）

基金项目：安徽省大学生创新训练项目：基于支持向量机回归技术的气象预测算法研究，项目编号：201310379080

宿州学院一般科研项目：基于物联网技术农业多传感器的安全信任机制的应用研究，项目编号：2013yyb03

参考文献：

[1]冯汉中，陈义永.支持向量机回归方法在实时业务预报中的阴功[J].气象.2005，31（2）：41-44.

[2]李智才，马文瑞，李素敏，张瑞兰，张红雨.支持向量机在短期气候预测中的应用[J].气象.2006，32（5）.

[3]魏凤英.我国短期气候预测的物基础及其预测思路[J].应用气象学报.2011，22（1）.

[4]窦浩阳，邓航，孙小明，赵昕奕.基于均生函数-最优子集回归预测模型的青藏高原气温和降水短期预测[J].北京大学学报.2010，46（4）.