大氣能見度是海面重要的氣象指標之一,對海洋資源開發(fā)、軍事活動、航海以及海洋氣象研究都具有很大的影響。目前國內(nèi)外的海面能見度預測研究主要集中在單維度預測方面,其實驗結果分析都比較片面。如果能夠在有限的數(shù)據(jù)資料中通過機器學習的方法對海面能見度進行多維度的數(shù)據(jù)統(tǒng)計分析和預測,則能夠對海面能見度的變化有一個更加全面的了解。因此基于這個需求本文進行了基于機器學習多維度的海面能見度研究,主要完成的工作和結論如下:(1)通過對BP(Back propagation)神經(jīng)網(wǎng)絡模型和LMS(Least mean aquare)的理論分析提出了LMS-BP(Least mean square-Back propagation)神經(jīng)網(wǎng)絡海面能見度時間維度預測模型,此預測模型解決了BP神經(jīng)網(wǎng)絡預測模型由于訓練樣本較大且相關性較高時出現(xiàn)的過擬合和欠擬合情況。通過對多維度的不同氣象參數(shù)和污染物數(shù)據(jù)資料的數(shù)據(jù)統(tǒng)計分析進行訓練建模,可以實現(xiàn)高準確率的海面能見度短時預測,比現(xiàn)有的神經(jīng)網(wǎng)絡模型在預測準確率上提高了10%。同時利用本文研究方法進行了不同海域陸地大氣污染物PM2.5對海面能見度預測影響的實驗,通過實驗表明我國...

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究目的與意義
    1.2 研究背景與現(xiàn)狀
    1.3 研究內(nèi)容與技術路線
        1.3.1 研究目標
        1.3.2 研究內(nèi)容
        1.3.3 研究創(chuàng)新點
        1.3.4 研究技術路線
    1.4 組織結構
第二章 研究相關領域介紹
    2.1 研究場景
    2.2 研究對象
        2.2.1 海面能見度介紹
        2.2.2 海面能見度影響因素分析
    2.3 本章小結
第三章 研究數(shù)據(jù)資料與數(shù)據(jù)預處理方法
    3.1 數(shù)據(jù)資料
        3.1.1 數(shù)據(jù)來源
        3.1.2 數(shù)據(jù)內(nèi)容
    3.2 數(shù)據(jù)預處理方法
    3.3 本章小結
第四章 基于LMS-BP神經(jīng)網(wǎng)絡海面能見度時間維度預測
    4.1 LMS-BP神經(jīng)網(wǎng)絡模型理論
        4.1.1 BP神經(jīng)網(wǎng)絡
        4.1.2 LMS-BP神經(jīng)網(wǎng)絡預測模型
    4.2 LMS-BP神經(jīng)網(wǎng)絡模型預測方法
        4.2.1 LMS-BP神經(jīng)網(wǎng)絡模型預測方法
    4.3 海面能見度時間維度預測實驗結果分析
        4.3.1 不同預測模型海面能見度預測實驗與結果分析
        4.3.2 LMS-BP預測模型海面能見度預測實驗與結果分析
    4.4 本章小結
第五章 基于改進隨機森林插值算法海面能見度空間維度分布
    5.1 改進的隨機森林空間插值算法理論分析
        5.1.1 空間插值
        5.1.2 隨機森林插值算法
        5.1.3 改進隨機森林插值算法
    5.2 改進的隨機森林空間插值實驗與結果分析
        5.2.1 改進的隨機森林空間插值實驗
    5.3 海面能見度空間分布實驗與結果分析
        5.3.1 不同季節(jié)空間插值實驗與結果分析
        5.3.2 不同時間段空間插值實驗與結果分析
        5.3.3 不同天氣條件下海面能見度空間插值實驗與結果分析
    5.4 本章小結
第六章 結論與展望
    6.1 結論
    6.2 展望
參考文獻
致謝
作者簡介



本文編號：3912580