李楊 梁楠楠

摘要：支持向量機（SVM）是統計學習理論基礎上一種新的學習方法，是關于非線性問題一種有效的解決方法。本文首先簡要概述了支持向量機算法的原理，結合具體實例，并運用支持向量機在氣象應用進行預測驗證分析，試驗結果顯示，本算法的預測結果比較理想，證明了算法的有效性。

關鍵詞：向量機；回歸算法；氣象預測

1.引言

全球氣候變化異常，對于洪澇旱災等自然災害的預測帶來極大困難。我國是農業(yè)大國，自然災害成為威脅人類生命安全的極大隱患。氣象預測技術可以減少洪澇災害帶來的損失，同時對于維護社會經濟穩(wěn)定發(fā)展，水資源優(yōu)化調度等具有重要的意義。

目前，由于隨著對氣象統計預測技術的發(fā)展，氣象的統計研究方法不斷出現。隨著研究的深入，神經網絡等算法進行氣象預測建模過程中，出現初始值、參數難以確定的等現象。支持向量機（SVM）算法在國內目前處于起步階段，2004年，陳永義首次將支持向量機法運用于對氣象統計方法中，取得了較好的預報能力。李智才采用支持向量機解決了空氣樣本中非線性關系問題，并在短期氣象中得到很好運用。

4.結論

本文采用支持向量機算法對于氣象預測中非線性問題和非線性回歸問題，體現出良好的預測能力。但是通過對不同氣象站的數據分析發(fā)現，對于降水預報，由于時效性和局域性要求比較高，由于本人氣象知識的局限性，固參數選擇樣本因子不是最優(yōu)，不同站點存在一定差誤，有待于進一步研究和提高。（作者單位：宿州學院信息工程學院）

基金項目：安徽省大學生創(chuàng)新訓練項目：基于支持向量機回歸技術的氣象預測算法研究，項目編號：201310379080

宿州學院一般科研項目：基于物聯網技術農業(yè)多傳感器的安全信任機制的應用研究，項目編號：2013yyb03

參考文獻：

[1]馮漢中，陳義永.支持向量機回歸方法在實時業(yè)務預報中的陰功[J].氣象.2005，31（2）：41-44.

[2]李智才，馬文瑞，李素敏，張瑞蘭，張紅雨.支持向量機在短期氣候預測中的應用[J].氣象.2006，32（5）.

[3]魏鳳英.我國短期氣候預測的物基礎及其預測思路[J].應用氣象學報.2011，22（1）.

[4]竇浩陽，鄧航，孫小明，趙昕奕.基于均生函數-最優(yōu)子集回歸預測模型的青藏高原氣溫和降水短期預測[J].北京大學學報.2010，46（4）.