简介:支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效。利用2004~2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,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(北京时间,下同)能见度预报模型。预报试验结果表明:南京地区霾日的SVM分类预报结果,Ts(Threatscores)评分均在0.4以上;而有霾日14时能见度的SVM回归预报结果,按能见度误差范围为±3km算,准确率均达到了86%以上;加入当天08时新资料的订正预报模型,其预报结果优于起始预报模型。二者的预报结果较为满意,可以给实际业务预测提供参考。
简介:科学、准确地对农业气象服务效益进行评估和分析,对政府和企业正确决策,提高农业气象防灾减灾能力,有重要的作用和意义。结合农业气象服务的特点,采用剂量一反应分析和德尔菲法相结合的研究方法,提出了农业气象服务效益评估模式。该评估模式以典型单位的气象服务贡献率的实际测定值为参考值,运用专家评估法,由农业专家估测气象服务在农业生产中的贡献率,以此为基础分析评估农业气象服务效益值。应用评估模式,对河南省农业气象服务效益进行实证分析评估。结果表明:种植业气象服务贡献率为6.90%,而后依次是牧业为4.20%、林业为3.93%、农林牧渔服务业为3.36%和渔业为2.90%。分析2007年以来河南省农业气象服务效益的动态变化表明,气象服务效益值随农业产值的增加而不断提高,从2007年128.27亿元攀升至2010年191.65亿元,年平均增速达14.32%。河南省农业气象服务平均贡献率保持在5.69%—5.88%,这一比率远高于全国,也说明了农业气象服务对河南省农业生产的重要作用。
简介:利用2006~2010年陕西10地市逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,通过线性回归方法建立了一种基于日最高气温和最低气温预报以及临近气温实况资料的逐时气温预报模型,并对2011年每天的逐时气温预报进行检验。结果表明:该方法在晴天、多云和阴雨天的预报能力依次减弱,其中晴天和多云天02~18时的预报效果好于19时至次日01时的,而阴雨天01~10时的预报效果好于其它预报时段的;当日最高气温和最低气温预报较为准确时,西安站各预报时刻的准确率均在60%以上,其中14~17时的准确率较高,晴天的达到100%,多云天的在96%~99%之间,阴雨天的准确率偏低一些,特别是11~17时较晴天和多云天偏低了12%~27%;该方法可以将24h日最高(低)气温预报细化到逐时气温预报,同时考虑了气温日变化的地域差异、季节特征、以及在晴天、多云和阴雨天的不同表现,具有一定的业务应用和推广价值。