乌鲁木齐能见度短时预报方法研究

作者：蔡仁; 李如琦; 唐冶; 路光辉

来源：农业与技术, 2013, (03): 137.

• 短时能见度预报
• 支持向量机(SVM)
• Elman神经网络

本文选用乌鲁木齐2011和2012年冬季的逐3h的大气能见度和实况气象要素(大气温度、相对湿度、变压和风速)资料,利用支持向量机(SVM)和Elman神经网络方法建立3h能见度预报模型。通过检验发现,支持向量机(SVM)预测结果相比Elman神经网络预测结果更加准确,支持向量机(SVM)预测绝对平均误差为2.77km,相对误差为17.3%,为短时能见度预报提供了一种重要参考,同时表明支持向量机的泛化能力具有显著优势。