一种新的基于伪最近邻算法的降水预报方法

摘要：

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题.在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制.针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型.该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类.利用提出的降水预报模型对北京地区2010年6～8月进行了24h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的Ts评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果.

关键词：伪最近邻算法、K最近邻算法、降水量

所属期刊栏目：18

分类号：TP301.6(计算技术、计算机技术)

资助基金：北京自然科学基金8174078;国家自然科学基金51708516;北京市科技计划D171100000717002;预报预测核心业务发展专项CMAHX20160701

在线出版日期：2018-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：222-228