基于IFOA-FSVM的WRF模式臺風期陣風精細化預報
摘要：為提高天氣預報模式（Weather Research and Forecasting Model, WRF）輸出中臺風期陣風的預測精度,將WRF模式輸出與某觀測站實況數據相結合,提出一種臺風期陣風精細化預報方法.針對影響臺風風速的因素眾多,而傳統依據人工經驗預判的風速存在較大誤差的現狀,該方法構建了臺風期陣風預測的模糊支持向量回歸模型,同時為解決模糊支持向量回歸模型中懲罰因子C和核參數g難于確定的問題,將果蠅優化算法（Fruit Fly Optimization Algorithm, FOA）引入到模糊支持向量機（Fuzzy Support Vector Machine,FSVM）的參數尋優中,并根據風速回歸的特點,把果蠅優化算法引入到三維空間,結合增強因子γ以提高傳統果蠅優化算法的全局尋優能力.實驗結果表明,本文構建的模型預測風速與實際風速基本一致,相關性達到99%,不僅提高了WRF模式風速的適用性,而且風速預測精度明顯優于傳統FOA-FSVM和FOA-SVM方法,具有更強的泛化能力.
注: 保護知識產權,如需閱讀全文請聯系寧波大學學報雜志社
相關推薦
更多
