多组合分类器在局部区域气温预测中的研究与应用
发布时间：2021-03-04 23:38
随着科技的进步、信息化的发展、气象研究技术的提高,气象领域积累的数据量与日俱增。如何从海量的气象数据中发现有价值的信息是气象科研人员的一项重要任务。气象信息与人民的生活息息相关,人民的生活和生产制造直接受天气的影响。如果能将数据挖掘应用到气象数据中充分挖掘出可用的信息,不仅能提高天气预报准确率和灾害天气预警能力,还能指导当地的工农业生产和提高人民的生活水平,造福人民。在数据挖掘中,分类是一种非常重要的技术。现有的分类技术有决策树、贝叶斯、支持向量机、神经网络等,这些分类器都是单分类器。随着人们对分类器性能要求的提高,相关领域学者提出了集成学习的概念。所谓集成学习就是对同一个问题用多个单一的个体学习器进行组合学习,组合分类器就是将多个不同的分类器（基分类器）通过一定的方法组合起来构建而成的一个组合分类器。因此,组合分类器就是分类器的集成,同时也叫分类器的组合。实验证明,多个分类器组合在性能上超越于单分类器的性能。本文在对气象数据的特点、气象数据挖掘现状和常用的气象数据挖掘方法进行了分析的基础上。利用数据挖掘中的决策树分类方法和集成学习思想构建组合分类器,并用来对广州某局部区域气象站搜集的...
【文章来源】：广东工业大学广东省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及研究意义
1.2 课题的主要研究内容
1.3 国内外的研究现状
1.3.1 气象数据挖掘现状
1.3.2 组合分类器研究现状
1.4 本论文的研究目标和组织结构
第二章 研究领域与相关技术
2.1 数据挖掘简介
2.1.1 数据挖掘定义
2.1.2 数据挖掘过程
2.2 气象数据的特点
2.3 气象数据挖掘的常用方法
2.3.1 聚类分析
2.3.2 分类分析
2.3.3 时间序列分析
2.3.4 关联规则
2.3.5 孤立点分析
2.4 本章小结
第三章 基于决策树的组合分类器建模
3.1 气象数据集描述
3.2 气象数据预处理
3.2.1 数据清洗
3.2.2 特征归约
3.2.3 数据集成
3.2.4 数据变换
3.3 建模体系
3.4 组合分类器的构建过程
3.4.1 基分类器设计
3.4.2 用于气温预测的Bagging方法
3.4.3 用于气温预测的AdaBoost算法
3.5 随机森林
3.5.1 随机森林对噪声的容忍度
3.5.2 随机森林模型参数的选择
3.5.3 随机森林对不平衡分类问题的处理方法
3.5.4 RF气温预测模型
3.6 本章小结
第四章 组合分类器对局部区域气温的预测
4.1 实验测试环境
4.2 实验数据分析
4.3 实验结果与分析
4.4 本章小结
总结与展望
参考文献
攻读学位期间从事的科研项目及发表的论文
致谢
【参考文献】：
期刊论文
[1]基于决策树组合分类器的气温预测[J]. 李俊磊,滕少华,张巍. 广东工业大学学报. 2014(04)
[2]基于KNN的多组合器协同挖掘局域气象数据[J]. 滕少华,樊继慧,陈潇,张巍,刘冬宁,梁路. 广东工业大学学报. 2014(01)
[3]基于随机森林的亚健康状态预测与特征选择方法研究[J]. 王小强. 计算机应用与软件. 2014(01)
[4]基于模糊支持向量机的夏季雨型的预报方法研究[J]. 徐亮亮,傅德胜. 四川大学学报(自然科学版). 2013(06)
[5]福建汛期降水主分量逐步回归预测模型研究[J]. 陈德花,陈创买,周学鸣,孙琼博,韦晋. 气象. 2013(09)
[6]气象信息数据挖掘技术的应用[J]. 陈少斌,苏彦. 河南科技. 2013(14)
[7]张掖湿地公园水域结冰厚度预报的BP神经网络与统计回归方法对比[J]. 刘洪兰,张强,赵小强,张浩文. 干旱气象. 2013(02)
[8]桂林地区气温与降水量的时间序列预测模型[J]. 黎玉芳,李志鸿. 广西科学. 2013(02)
[9]基于Bagging的概率神经网络集成分类算法[J]. 蒋芸,陈娜,明利特,周泽寻,谢国城,陈珊. 计算机科学. 2013(05)
[10]决策树方法在气温预测中的应用[J]. 姜文瑞,王玉英,郝小琪,李富鹏. 计算机应用与软件. 2012(08)
博士论文
[1]贝叶斯决策理论研究[D]. 李章吕.南开大学 2012
硕士论文
[1]孤立点检测在移动通信数据分析上的研究与应用[D]. 朱吉龙.广东工业大学 2013
[2]数据挖掘技术在气象资料分析中应用研究[D]. 唐旋.内蒙古科技大学 2011
[3]多分类器集成技术研究[D]. 康恒政.西南交通大学 2011
[4]基于HADOOP的数据挖掘研究[D]. 杨宸铸.重庆大学 2010
[5]沙尘暴资料的数据挖掘算法分析及系统实现[D]. 陈旭辉.兰州大学 2008
[6]基于决策树技术的遥感影像分类研究[D]. 陈鑫.南京林业大学 2006
本文编号：3064147
【文章来源】：广东工业大学广东省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及研究意义
1.2 课题的主要研究内容
1.3 国内外的研究现状
1.3.1 气象数据挖掘现状
1.3.2 组合分类器研究现状
1.4 本论文的研究目标和组织结构
第二章 研究领域与相关技术
2.1 数据挖掘简介
2.1.1 数据挖掘定义
2.1.2 数据挖掘过程
2.2 气象数据的特点
2.3 气象数据挖掘的常用方法
2.3.1 聚类分析
2.3.2 分类分析
2.3.3 时间序列分析
2.3.4 关联规则
2.3.5 孤立点分析
2.4 本章小结
第三章 基于决策树的组合分类器建模
3.1 气象数据集描述
3.2 气象数据预处理
3.2.1 数据清洗
3.2.2 特征归约
3.2.3 数据集成
3.2.4 数据变换
3.3 建模体系
3.4 组合分类器的构建过程
3.4.1 基分类器设计
3.4.2 用于气温预测的Bagging方法
3.4.3 用于气温预测的AdaBoost算法
3.5 随机森林
3.5.1 随机森林对噪声的容忍度
3.5.2 随机森林模型参数的选择
3.5.3 随机森林对不平衡分类问题的处理方法
3.5.4 RF气温预测模型
3.6 本章小结
第四章 组合分类器对局部区域气温的预测
4.1 实验测试环境
4.2 实验数据分析
4.3 实验结果与分析
4.4 本章小结
总结与展望
参考文献
攻读学位期间从事的科研项目及发表的论文
致谢
【参考文献】：
期刊论文
[1]基于决策树组合分类器的气温预测[J]. 李俊磊,滕少华,张巍. 广东工业大学学报. 2014(04)
[2]基于KNN的多组合器协同挖掘局域气象数据[J]. 滕少华,樊继慧,陈潇,张巍,刘冬宁,梁路. 广东工业大学学报. 2014(01)
[3]基于随机森林的亚健康状态预测与特征选择方法研究[J]. 王小强. 计算机应用与软件. 2014(01)
[4]基于模糊支持向量机的夏季雨型的预报方法研究[J]. 徐亮亮,傅德胜. 四川大学学报(自然科学版). 2013(06)
[5]福建汛期降水主分量逐步回归预测模型研究[J]. 陈德花,陈创买,周学鸣,孙琼博,韦晋. 气象. 2013(09)
[6]气象信息数据挖掘技术的应用[J]. 陈少斌,苏彦. 河南科技. 2013(14)
[7]张掖湿地公园水域结冰厚度预报的BP神经网络与统计回归方法对比[J]. 刘洪兰,张强,赵小强,张浩文. 干旱气象. 2013(02)
[8]桂林地区气温与降水量的时间序列预测模型[J]. 黎玉芳,李志鸿. 广西科学. 2013(02)
[9]基于Bagging的概率神经网络集成分类算法[J]. 蒋芸,陈娜,明利特,周泽寻,谢国城,陈珊. 计算机科学. 2013(05)
[10]决策树方法在气温预测中的应用[J]. 姜文瑞,王玉英,郝小琪,李富鹏. 计算机应用与软件. 2012(08)
博士论文
[1]贝叶斯决策理论研究[D]. 李章吕.南开大学 2012
硕士论文
[1]孤立点检测在移动通信数据分析上的研究与应用[D]. 朱吉龙.广东工业大学 2013
[2]数据挖掘技术在气象资料分析中应用研究[D]. 唐旋.内蒙古科技大学 2011
[3]多分类器集成技术研究[D]. 康恒政.西南交通大学 2011
[4]基于HADOOP的数据挖掘研究[D]. 杨宸铸.重庆大学 2010
[5]沙尘暴资料的数据挖掘算法分析及系统实现[D]. 陈旭辉.兰州大学 2008
[6]基于决策树技术的遥感影像分类研究[D]. 陈鑫.南京林业大学 2006
本文编号：3064147
本文链接：https://www.wllwen.com/projectlw/qxxlw/3064147.html
