利用最小二乘支持向量机的短临降雨预测模型构建

作者：赵庆志; 刘洋; 姚顽强

来源：大地测量与地球动力学, 2021, 41(02): 152-156.

DOI：10.14075/j.jgg.2021.02.008

• 降雨预测
• LS-SVM
• PWV
• GNSS
• 气象参数

针对传统降雨预测理论错报率高及算法拟合精度低等缺陷,将与降雨过程相关的多种气象参数(温度、相对湿度、露点温度、气压等)及时间参数(年积日和天积时)引入短临降雨预测模型的构建。将新加坡2个GNSS和气象并址的测站(NTUS、SNUS)2010～2012年的气象数据及降雨数据作为样本,研究气象参数与降雨数据的时变特征,结果发现,降雨发生前气象参数均表现出异常的变化趋势,且各类气象参数与降雨均表现出弱相关性特征。基于该发现,首次应用最小二乘支持向量机(LS-SVM)模型实现对未来降雨的预测,将气象参数和时间参数作为模型输入,降雨数据作为模型输出,并利用正确率(TFR)和错报率(FFR)评价LS-SVM模型的精度。实验结果表明,该算法可预测出99%的降雨事件,且FFR为40%;与现有最小二乘降雨预测模型相比,该算法的FFR降低近20%,TFR提高近10%。

• 单位
  西安科技大学