针对如何从海量的气象数据中挖掘出有用的知识，并提高气象预报的准确度，提出了在Hadoop平台上构建基于遗传神经网络算法的天气预报方法.该方法采用遗传算法与神经网络算法相结合，避免了传统算法容易陷入局部最优的问题，并以天津市13个台站1951–2006年的地面气候资料日值数据为基础，建立了遗传神经网络预测模型，最后以降雨量等级为决策属性进行了实验.结果表明，该方法对所有降水等级的预测准确率都要优于传统的神经网络算法，对于降水等级R0的预测精度最高，达到了87%，不仅可以有效的处理海量气象数据，同时具有较高的预测精准度和良好的扩展性，为天气预报提拱了一种全新的思路和方法.
2021-11-12 21:32:00
1.18MB
1
中国全国地面站点数据(1981-2010)、月平均气象、月平均降水、月平均相对湿度、月最大降水、月最高温度最低温度、月最高温平均值最低温平均值、高低温站点基础数据
b_china_mon_avg_data_pressure月平均气象
b_china_mon_avg_data_rain月平均降水
b_china_mon_avg_data_rhu月平均相对湿度
b_china_mon_max_data_rain月最大降水
b_china_mon_max_min_data_tem月最高温度最低温度
b_china_mon_max_min_avg_data_tem月最高温平均值最低温平均值
b_china_mon_max_min_station高低温站点基础数据
数据库文件
2021-11-09 17:16:31
839KB
根据南京站1951-2010年逐日降水资料，采用2种传统的百分位法以及3种正态变换方法，探讨了确定区域极端降水事件阈值的最佳方法。结果表明，由于降水量的实际概率分布是一种明显的偏态分布，而传统的百分位法是在假设降水量遵从均匀分布条件下进行的，计算结果的稳定性较差。正态变换的3种方法是在降水量实际概率分布下采用百分位法计算阈值的，结果稳定性较好。其中以方法4效果最佳。为消除气候变化的影响，可以将研究时段按降水量变化的不同趋势分为几个气候阶段分别计算阈值。或者采用滑动气候阶段处理整个研究时段，并以各个滑动气候
2021-10-13 10:46:03
385KB
1