主权项 |
一种基于集成学习的年极端降水预测系统,其特征在于,包括依次连接的数据输入模块(100)、模型构建模块(200)、训练及调试模块(300)、集成模块(400)和数据输出模块(500),其中,所述数据输入模块(100)从数据库或EXCEL文件中读入水文测站站点原数据和地面气象站基本数据,并对读入的数据进行对日降水量和年气象数据进行缺失值处理,通过站点的日降水量计算年极端降水强度,对所有的数据进行标准化处理得到规范化的数据;所述模型构建模块(200)从数据输入模块(100)获得训练数据集即气象数据特征和年极端降水量,然后选取不同的气象特征数据作为输入变量,年极端降水量作为输出变量,构建多维SVM年极端降水预测模型;所述训练及调试模块(300)确定训练数据及检验数据,利用训练数对多维SVM模型进行训练及调试,确定各模型的参数,并利用检验数据对集成SVM模型进行预测精度及泛化能力检验;所述集成模块(400)在训练及调试模块完成工作后,得到多个预测数据并计算改多个预测数据的平均相对误差,然后计算各个值的可信度,最后根据D‑S理论合成规则进行合成,得到集成模型的预测值;所述数据输出模块(500)将来年极端降水预测值存储在数据库或文件中,供用户查看和分析。 |