基于支持向量机的逐日降水预报模型研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 降水预报研究概况 | 第15-16页 |
| 1.2.2 数值产品释用 | 第16-18页 |
| 1.2.3 支持向量机在降水预报中的应用 | 第18-19页 |
| 1.3 章节安排与技术路线 | 第19-22页 |
| 1.3.1 章节安排 | 第19-20页 |
| 1.3.2 技术路线 | 第20-22页 |
| 第二章 研究区域与研究数据 | 第22-25页 |
| 2.1 ECMWF数值产品简介 | 第22页 |
| 2.2 地面观测资料 | 第22-23页 |
| 2.3 研究区域 | 第23-25页 |
| 第三章 支持向量机 | 第25-38页 |
| 3.1 机器学习问题 | 第25-27页 |
| 3.2 统计学习理论 | 第27-28页 |
| 3.3 支持向量机算法 | 第28-34页 |
| 3.3.1 基本概念 | 第29-31页 |
| 3.3.2 支持向量机分类 | 第31-34页 |
| 3.4 核函数和参数选择 | 第34-38页 |
| 3.4.1 确定核函数 | 第34-35页 |
| 3.4.2 参数选择 | 第35-36页 |
| 3.4.3 精度分析 | 第36-38页 |
| 第四章 预报因子选取及数据预处理 | 第38-51页 |
| 4.1 预报对象处理 | 第38-40页 |
| 4.2 预报因子选取 | 第40-51页 |
| 4.3.1 动力诊断模型 | 第41-44页 |
| 4.3.2 插值到站点 | 第44-45页 |
| 4.3.3 相关普查 | 第45-47页 |
| 4.3.4 主成分分析 | 第47-51页 |
| 第五章 基于支持向量机的降水预报分类模型 | 第51-58页 |
| 5.1 主成分-支持向量机晴雨分类模型 | 第51-55页 |
| 5.1.1 数据预处理 | 第51-53页 |
| 5.1.2 预报样本构建 | 第53页 |
| 5.1.3 训练及预测 | 第53-55页 |
| 5.2 支持向量机分类模型 | 第55-56页 |
| 5.3 主成分分析-支持向量机降水等级分类模型 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58页 |
| 6.2 不足之处 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
