【摘 要】
：
支持向量机(SVM)是基于统计学理论的一种新的机器学习方法，它通过核函数实现从样本空间到高维特征空间的非线性映射，通过支持向量来刻化预报因子与预报对象之间的非线性关系，从
论文部分内容阅读
支持向量机(SVM)是基于统计学理论的一种新的机器学习方法，它通过核函数实现从样本空间到高维特征空间的非线性映射，通过支持向量来刻化预报因子与预报对象之间的非线性关系，从而解决本质上的非线性问题。利用2004～2007年南京站的常规地面观测资料和探空资料，使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时能见度预报模型。试验结果表明：南京地区霾日的SVM分类预报模型，Ts评分均在0.4以上，加入当天08时资料的样本空间所建立的模型预报准确率高于仅用前一天20时资料的；而有霾日14时的能见度预报SVM回归模型，按能见度误差范围为±3km算，准确率均达到了85[％]以上，最高达91.4[％]。二者的预报结果较为满意，可以给实际业务提供参考。
其他文献
以颗粒物为载体,从大气向水体、土壤和植被沉降的金属元素污染日趋严重.为了解其在京津冀区域的污染程度和沉降规律,利用聚氨酯泡沫膜片(PUF膜)为代用面,在区域内布设10个站
本研究使用Ogawa被动式采样器于2007年1月至20008年12月在分布于中国东北区域、华北区域、华东区域、华中区域、华南区域、西南区域和青藏区域10个观测站的大气二氧化硫(SO2)
为了保障北京2008奥运期间空气质量，北京市政府采取了严格的污染控制措施，同时也为评估大气污染状况对人体健康的影响提供了研究机会。本文报道了北京奥运前后及奥运期间污染气
在空气质量模式系统RAMS-CMAQ中引入了一个适用于东亚地区的沙尘气溶胶模块，使之进一步完善并实现对主要气溶胶物种更全面的模拟。2002年3月15日-24日我国华北地区发生了的两
中国气象局于近年来在地处我国东部的北京上甸子、浙江临安和黑龙江龙凤山三个区域大气本底观测站开展了包括臭氧(O3)在内的一些重要大气成分(NOX，SO2，CO等)的业务观测。这三个
2007年12月15日至31日，利用日本国立环境研究所研制的拉曼激光雷达对北京地区大气气溶胶光学特性进行连续探测。测量结果显示中度污染期北京地区1km高度以下大气气溶胶平均消
利用1968-2007年安徽省霾日资料，对安徽省霾的时空分布特征、变化趋势进行了分析，并探讨了霾变化的成因。结果表明，安徽各地年均霾日数分布很不均匀，与所处的地理位置和城市发展
本文讨论污染气象条件“Plam”(Parameters Linking Air-qualityto Meteorological elements)参数方法在长三角区域的拓展试验研究。采用2008年上海及长三角地区逐日气象观测
利用合肥市气象局酸雨监测站1992～2007年资料分析了该市酸雨年、季变化特征，及其与地面气象条件、地面污染物(SO2、NO2、PM10)浓度的关系；同时，应用轨迹分析和聚类分析的方法研究
利用FGOALS模式的输出结果驱动农田N2O估算模型，模拟了A1B情景下2006-2050年中国农田N2O的变化趋势。结果表明农田N2O排放对气候变化具有较强的敏感性，不仅受降水总量的控制，还