日气温多元时间序列局部支持向量回归预测
Multivariate Time Series Local Support Vector Regression Forecast Methods for Daily Temperature作者机构:南京信息工程大学计算机与软件学院南京210044
出 版 物:《系统仿真学报》 (Journal of System Simulation)
年 卷 期:2016年第28卷第3期
页 面:654-660页
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(61103141) 江苏省自然科学基金(BK2012858)
主 题:日气温预测 多元时间序列 分段 最近邻点 局部支持向量回归
摘 要:气温预报是天气预报的重要因素之一,但大气系统是一个复杂的非线性系统,要提高预报精度,需要探索新的预报方法。研究一种多元时间序列局部支持向量回归的日气温预测方法,以日最高、最低气温为例,使用C-C方法和最小预测误差法构造日最高、最低气温的多元时间序列,将分段提取最近邻点的方法应用于局部支持向量回归,建立提前1天的每日最高、最低气温局部预测模型。以中国753站资料包中的数据进行仿真实验,与欧氏距离提取最近邻点相比,分段提取最近邻点的方法能有效提高日气温的预测精度。多元时间序列局部预测模型在日气温的短期预测(10天以内)上比单元时间序列有着更好的应用价值。