首页--天文学、地球科学论文--大气科学(气象学)论文--一般理论与方法论文--大气遥感论文

基于机器学习算法提升降水区反演效果研究

摘要第5-6页
Abstract第6页
第一章 绪论第7-13页
    1.1 研究目的及意义第7页
    1.2 研究历史与现状第7-10页
    1.3 问题和思路第10-13页
第二章 资料和方法第13-21页
    2.1 资料第13-14页
    2.2 卫星和雨量计资料预处理第14页
    2.3 随机森林方法第14-17页
        2.3.1 弱分类器:CART第15-16页
        2.3.2 RF的流程框架第16-17页
        2.3.3 RF的优缺点第17页
    2.4 梯度提升决策树方法第17-21页
        2.4.1 弱分类器:回归决策树第18-19页
        2.4.2 GBDT流程框架第19-20页
        2.4.3 GBDT优缺点第20-21页
第三章 模型物理变量的选择第21-26页
第四章 基于GBDT算法的降水区估计模型第26-35页
    4.1 模型总体方法第26-27页
    4.2 模型参数调优及训练第27-29页
    4.3 模型检验及使用的评价指标第29-34页
    4.4 本章小结第34-35页
第五章 基于RF算法的降水区估计模型第35-40页
    5.1 模型总体方法第35页
    5.2 模型参数调优及训练第35-38页
    5.3 模型检验第38-39页
    5.4 本章小结第39-40页
第六章 模型比较第40-45页
    6.1 基于概率矩阵的模型方法及数据订正第40-41页
    6.2 两类方法比较第41-43页
    6.3 示例对比分析第43-44页
    6.4 本章小结第44-45页
第七章 总结与讨论第45-47页
    7.1 总结及主要结论第45页
    7.2 本文的创新之处及存在的问题、不足第45-47页
参考文献第47-54页
作者简介第54-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:基于视频的雾天能见度监测方法研究
下一篇:一种改进的朴素贝叶斯分类器在南方地区降水等级预报中的应用