氣象預(yù)測目前已經(jīng)成為了人們生產(chǎn)和生活中不可或缺的一項信息服務(wù)。提供精細、準確的海洋氣象預(yù)測,對于保障各類出海作業(yè)的安全,避免海難事故的發(fā)生具有重要的現(xiàn)實意義。當(dāng)前以計算機技術(shù)為代表的現(xiàn)代化信息技術(shù)使得氣象數(shù)據(jù)得到了爆炸性的積累,對海洋氣象預(yù)測技術(shù)水平提出了更高的要求�；谝陨涎芯勘尘�,本文對海洋氣象要素,包括風(fēng)速、氣溫、氣壓、相對濕度、降雨量和能見度數(shù)據(jù)的回歸及預(yù)測進行了研究,提出了基于時空數(shù)據(jù)模型的海洋氣象預(yù)測模型,主要包括以下三方面的工作:（1）時間序列的自相關(guān)性判斷及模型變量選擇。時間序列數(shù)據(jù)具有自相關(guān)性是進行回歸預(yù)測的前提,本文基于自回歸函數(shù)和偏自回歸函數(shù)判斷了海洋氣象時間序列數(shù)據(jù)具有自相關(guān)性。為了增加模型的預(yù)測精度,本文考慮了多氣象要素之間的關(guān)聯(lián)性以及氣象系統(tǒng)的空間特性,在自回歸模型的基礎(chǔ)上,引入了外部變量以及空間變量,并通過不同變量間的相關(guān)性分析,對模型的外部變量以及空間變量進行選擇。（2）數(shù)據(jù)異常值處理和缺失值填補。為了提高模型穩(wěn)定性,本文基于箱型圖法對海洋氣象數(shù)據(jù)異常值進行處理;為了完善樣本數(shù)據(jù)信息,本文基于Kalman濾波、K近鄰和隨機森林算法對樣本數(shù)據(jù)缺失值進行填補... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 海洋氣象預(yù)測
        1.1.2 時空數(shù)據(jù)分析
        1.1.3 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容及本文結(jié)構(gòu)
2 數(shù)據(jù)統(tǒng)計變量分析及模型變量的選擇
    2.1 海洋氣象數(shù)據(jù)要素
    2.2 數(shù)據(jù)的統(tǒng)計特征
    2.3 模型變量的選擇
        2.3.1 外部變量的選擇
        2.3.2 空間變量的選擇
    2.4 本章小結(jié)
3 數(shù)據(jù)預(yù)處理
    3.1 數(shù)據(jù)預(yù)處理流程
    3.2 異常值處理
    3.3 缺失值填補
        3.3.1 基于Kalman濾波的缺失值填補
        3.3.2 基于KNN算法的缺失值填補
        3.3.3 基于隨機森林算法的缺失值填補
        3.3.4 海洋氣象數(shù)據(jù)缺失值填補效果比較
    3.4 本章小結(jié)
4 時空數(shù)據(jù)模型構(gòu)建及預(yù)測
    4.1 時空數(shù)據(jù)模型建模技術(shù)路線
    4.2 數(shù)據(jù)平穩(wěn)性判斷
    4.3 時空數(shù)據(jù)模型的建立
    4.4 模型參數(shù)估計
    4.5 模型結(jié)構(gòu)選擇
    4.6 海洋氣象數(shù)據(jù)預(yù)測
        4.6.1 基于時空數(shù)據(jù)模型的預(yù)測
        4.6.2 基于不同回歸算法模型的結(jié)果對比
    4.7 本章小結(jié)
結(jié)論與展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]大數(shù)據(jù)背景下數(shù)據(jù)預(yù)處理方法研究[J]. 周黨生.  山東化工. 2020(01)
[2]面向時空數(shù)據(jù)的區(qū)塊鏈研究綜述[J]. 傅易文晉,陳華輝,錢江波,董一鴻.  計算機工程. 2020(03)
[3]論如何促進海洋資源的開發(fā)與保護[J]. 劉紅丹,金信飛,高瑜.  中國資源綜合利用. 2019(11)
[4]多源氣象數(shù)據(jù)融合格點實況產(chǎn)品研制進展[J]. 師春香,潘旸,谷軍霞,徐賓,韓帥,朱智,張雷,孫帥,姜志偉.  氣象學(xué)報. 2019(04)
[5]基于多尺度空間相關(guān)的氣象要素預(yù)測[J]. 劉麗丹.  計算機技術(shù)與發(fā)展. 2019(12)
[6]基于數(shù)值預(yù)報和隨機森林算法的強對流天氣分類預(yù)報技術(shù)[J]. 李文娟,趙放,酈敏杰,陳列,彭霞云.  氣象. 2018(12)
[7]集合模式定量降水預(yù)報的統(tǒng)計后處理技術(shù)研究綜述[J]. 代刊,朱躍建,畢寶貴.  氣象學(xué)報. 2018(04)
[8]基于隨機森林方法的地震插值方法研究[J]. 徐凱,孫贊東.  石油科學(xué)通報. 2018(01)
[9]渤海海洋氣象災(zāi)害天氣分型與預(yù)報指標(biāo)研究[J]. 于志明,王駟鷂,馬冬亮.  氣象與環(huán)境學(xué)報. 2018(01)
[10]海洋生態(tài)經(jīng)濟學(xué):內(nèi)容、屬性及學(xué)科構(gòu)架[J]. 李加林,劉永超,馬仁鋒.  應(yīng)用海洋學(xué)學(xué)報. 2017(03)

碩士論文
[1]基于小波分析的氣候要素長時間序列分析[D]. 張海.中國地質(zhì)大學(xué)(北京) 2018
[2]基于正余弦優(yōu)化和最小二乘支持向量機的氣象預(yù)測研究[D]. 李文濤.蘭州大學(xué) 2018
[3]基于深度學(xué)習(xí)的氣象預(yù)測研究[D]. 楊函.哈爾濱工業(yè)大學(xué) 2017
[4]嶺回歸與分位數(shù)回歸的研究及結(jié)合應(yīng)用[D]. 郭鵬妮.哈爾濱工業(yè)大學(xué) 2014
[5]基于時空序列模型的變形分析研究[D]. 李世鵬.長安大學(xué) 2014
[6]海洋氣象調(diào)查數(shù)據(jù)的XML格式規(guī)范化研究[D]. 于祥茹.中國海洋大學(xué) 2009



本文編號：3380448