Zhejiang Daxue xuebao. Lixue ban (Dec 2015)

Contrast experiments of two SVM identification methods of haze(2个SVM霾识别预报模型的对比试验)

  • ZHENGZhaoxia(郑朝霞),
  • ZHANGHangcai(张行才),
  • JIZhijian(季致建),
  • QIUXiaowei(邱小伟),
  • FANGTaoni(方桃妮),
  • ZHOUMei(周梅)

DOI
https://doi.org/10.3785/j.issn.1008-9497.2015.Supp.022
Journal volume & issue
Vol. 42, no. Z1
pp. 138 – 141

Abstract

Read online

支持向量机方法(SVM)是基于统计学理论的一种较为新颖的学习方法，应用该方法解决小样本条件下的非线性问题既有坚实的理论基础，也十分有效.基于2013~2014年金华站的地面自动站资料、探空气象资料以及大气污染物浓度数据，采用SVM分类方法建立2个金华SVM霾识别预报模型，即初始模型和订正模型，并对其8种核函数最优模型进行对比试验.结果表明：（1）初始模型的正样本分类Ts评分在0.45以上，均高于订正模型，故初始模型分类结果较为理想，可以给实际霾日识别预报提供参考；(2)初始模型的分类结果优于订正模型，且前者的漏报次数明显少于后者，究其原因可以发现14：00气象条件和大气污染物条件对当日是否为霾日的判断非常重要，即14：00前后是灰霾出现比较频繁的时段.

Keywords