科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对复杂地形区域气温具有非线性变化特征，常规函数模型难以准确构建气温场进行气温预测的问题，本文利用机器学习处理非线性问题的优势，比较分析支持向量回归、径向基神经网络回归和k近邻回归3种机器学习方法气温场拟合的模型精度。首先，以中国西部六省气温监测资料为基础，运用普通克里金插值增强样本容量，并划分训练数据集和测试数据集。然后，利用训练数据集训练3种气温场回归学习模型，根据测试数据集训练得到的模型获得气温预测值。最后，从气温场三维表面、气温偏差统计特征、误差指标3个方面比较分析了气温场拟合的模型精度。实验结果表明，3种回归学习方法的精度都非常高；模型精度从高到低的方法依次为加权k近邻回归、支持向量回归和径向基神经网络回归；在气温变化细节精细建模方面径向基神经网络回归更具优势。研究结果可为复杂地形区高精度气温预测提供参考。
- 单位
