陈永义
- 作品数：15 被引量：344H指数：8
- 供职机构：中国气象局培训中心更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：天文地球自动化与计算机技术理学航空宇航科学技术更多>>
- 支持向量机回归方法在实时业务预报中的应用
- 随着各种大气探测技术、数值预报模式、数值集合预报等的不断发展,可用于气象预报的信息越来越广泛和多样,但面对众多的气象信息,预报员往往无所适从。如何从这些海量的信息中获取可用于预报的关键信息,是我们预报人员比较关注的问题。...
- 冯汉中陈永义
- 关键词：支持向量机温度
- 文献传递
- 计算机学习的SVM方法与应用软件平台CMSVM
- 1 支持向量机方法的基本思想V N.Vapnik等人提出的统计学习理论是一种小样本学习理论,基于这一理论近年提出的支持向量机(Support Vector Machines 简称SVM)方法,
- 陈永义
- 天空云量预报及支持向量机和神经网络方法比较研究被引量：30
- 2007年
- 使用支持向量机和人工神经网络两种方法,分别建立了天空云量的预报模型。利用2001年5月1日～2004年12月31日的武汉市地面、高空观测值及欧洲中心的24小时预报场等资料,通过按不同比例随机抽取样本进行交叉验证的方法,分析了SVM和ANN模型的预报能力和鲁棒性;然后再用全部样本资料建立预报模型,来预报2005年1月1日～5月31日武汉市天空云量。交叉验证和实例预报的结果显示:虽然SVM和ANN模型都表现了较好的预报能力,但SVM的预报能力高于ANN方法,且在计算速度上有ANN无法比拟的优势。
- 熊秋芬胡江林陈永义
- 关键词：支持向量机人工神经网络
- 支持向量机回归方法在实时业务预报中的应用被引量：41
- 2005年
- 简要介绍了支持向量机 (SupportVectorMachine ,简称SVM)回归方法的基本原理 ,并介绍了基于SVM回归方法 ,利用 1 990～ 2 0 0 0年 1～ 1 2月ECMWF北半球的50 0hPa高度、850hPa温度、地面气压的 0小时分析场资料构造预报因子 ,建立德阳市 5个代表站的日平均气温、日最高气温、日最低气温的SVM回归预报模型及其在业务化运用中的效果。
- 冯汉中陈永义
- 关键词：ECMWF日最低气温日最高气温业务化地面气压SVM
- 处理非线性分类和回归问题的一种新方法(I)——支持向量机方法简介被引量：201
- 2004年
- 简要介绍了近年来倍受瞩目的一种处理高度非线性分类、回归等问题的计算机学习的新方法———支持向量机 (SVM)方法 ;分析了这一方法的特点及其在数值预报产品释用及气象研究业务中的应用前景。SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等 ,因此不同于现有的统计方法。从本质上看 ,它避开了从归纳到演绎的传统过程 ,实现了高效的从训练样本到预报样本的“转导推理”(transductiveinference) ,大大简化了通常的分类和回归等问题。SVM的最终决策函数只由少数的支持向量所确定 ,计算的复杂性取决于支持向量的数目 ,而不是样本空间的维数 ,这在某种意义上避免了“维数灾”。
- 陈永义俞小鼎高学浩冯汉中
- 关键词：支持向量机模式识别密度估计
- 处理非线性分类和回归问题的一种新方法(Ⅱ)——支持向量机方法在天气预报中的应用被引量：134
- 2004年
- 将SVM (SupportVectorMachine)分类和回归方法首次应用于气象预报试验。利用1 990～ 2 0 0 0年 4～ 9月ECMWF北半球的 5 0 0hPa高度、85 0hPa温度、地面气压的 0 0 :0 0UTC分析场资料 ,建立四川盆地分区面雨量有无大于 1 5mm的SVM分类推理模型、四川盆地内单站气温的SVM回归推理模型 ,进行相应的预报试验 。
- 冯汉中陈永义
- 关键词：支持向量机模式识别
- 支持向量机(SVM)及其在场预测中的应用被引量：12
- 2006年
- 介绍一种新的非线性回归分析方法——SVM回归。利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案:(1)将因子场和预报场分别用方差标准化、EOF场展开,提取两场时间系数;(2)用SVM回归分析实现因子场时间系数对预报场时间系数非线性预测;(3)由预测的预报场时间系数与对应空间函数反演原场。用交叉检验的方法,对1960～2003年1月热带海表温度场预报汛期(6～8月)华中区域降水场进行试验。SVM回归44年独立预报平均技巧评分10.4%,较随机预报具有明显的技巧水平,优于经典回归。
- 张礼平陈永义周筱兰
- 关键词：支持向量机
- 太阳黑子活动的守恒量预报被引量：8
- 2003年
- 介绍了一种预报太阳黑子活动期的方法,可同时预报太阳黑子峰值的发生时间和峰值大小。通过研究太阳黑子数的变化规律,发现了某些变量的组合在整个太阳变化时间里具有不变的性质,即所谓的守恒量,只要确定了周期的起始时间,就可以较准确地预报太阳黑子峰值的发生时间。同时,根据太阳黑子序列的变化规律,发现太阳黑子的峰值大小不仅与本周期初期的数据变化率有相关性,而且与前一周期末期的变化率也有相关性.由此引入了一个等效回归系数,据此发展的峰值预报方法可以动态地调整预报提前量,解决了预报精度与预报提前量的矛盾,既保证了一定的精度,又有效地提高了预报提前量,约在周期上升段的一半处即可做出峰值大小的预报.本方法预测第24次太阳活动周的极大值发生在2011年1月份.
- 柳士俊俞小鼎陈永义
- 关键词：太阳黑子守恒量周期
- 双流机场低能见度天气预报方法研究
- 在信息量较大，而预报对象与预报因子的关系又不清楚的状况下，智能机器学习方法是解决这类问题的较好手段.我们利用1997～2001年成都站的常规探空资料和双流机场的地面观测资料，使用支持向量机(Support Vector ...
- 冯汉中陈永义成永勤罗可生
- 关键词：支持向量机径向基函数双流机场
- 文献传递
- 双流机场低能见度天气预报方法研究被引量：34
- 2006年
- 在信息量较大,而预报对象与预报因子的关系又不清楚的状况下,智能机器学习方法是解决这类问题的较好手段。利用1997—2001年成都站的常规探空资料和双流机场的地面观测资料,使用支持向量机(Support VectorMachines,简称SVM)方法,选取多种核函数进行双流机场低能见度天气的预报建模试验。测试结果表明:以径向基函数和拉普拉斯函数构造的SVM预报模型实验效果最好,Ts评分分别为0.287和0.292,远高于双流机场低能见度天气出现的频率(0.155)。试验结果还表明:以径向基函数构造的SVM预报模型空报较多,漏报较少;而以拉普拉斯函数构造的SVM预报模型空报较少,漏报较多。因此,如果强调模型对低能见度天气预报的准确性,则应采用以拉普拉斯函数构造的预报模型,如果强调对低能见度天气的预防性,则应采用以径向基函数构造的预报模型。
- 冯汉中陈永义成永勤罗可生
- 关键词：支持向量机
