基于机器学习的大雾天气背景下特强浓雾本地化诊断研究(PDF)
灾害学[ISSN:1000-811X/CN:61-1097/P]
- 期数:
- 2018年02期
- 页码:
- 193-199
- 栏目:
- 探索.青年与灾害
- 出版日期:
- 2018-04-20
文章信息/Info
- Title:
- -
- 作者:
- 史达伟; 李超; 史逸民; 等
-
- Author(s):
- -
-
- 关键词:
- 大雾; 特强浓雾; 机器学习; 本地化; 诊断模型; CART决策树算法
- 分类号:
- X43;P44
- DOI:
- -
- 文献标识码:
- A
- 摘要:
- 低能见度的大雾天气是造成许多交通事故的重要气象灾害。极低能见度的强浓雾预报预测是气象工作中的难点问题。利用连云港地区2014-2016年逐小时气象观测资料,选取大雾发生时次,基于机器学习中的多种算法对能见度低于50 m特强浓雾建立气象要素诊断模型。结果表明:基于CART决策树算法的诊断模型能够较为直观准确的对强浓雾进行诊断,并且该模型具有较高的泛化能力,利用约占研究样本75%的数据进行学习,模型的学习准确率为90.04%,剩余25%左右的样本数据对模型的泛化能力进行测试,测试准确率为82.25%; 5种机器学习算法中LSVM算法对于特强浓雾的诊断模型测试效果最好,但算法可理解度较低、复杂度较高,不如CART算法易于使用。
更新日期/Last Update: 2018-05-28