[发明专利]一种基于支持向量回归建立台风预测模型的方法

说明书

本发明涉及一种基于支持向量回归建立台风预测模型的方法，一种基于支持向量回归的台风预测方法，包括以下步骤：步骤S1：获取历年台风数据即训练样本，并对所述训练样本进行预处理；步骤S2：对预处理后的台风数据进行相关性分析和标准归一化处理；步骤S3：建立支持向量回归模型；步骤S4：将台风参数输入到所述支持向量回归模型中进行台风极大风速预测。本发明利用大量的往年台风数据，通过机器学习的方法，训练支持向量回归模型，并且通过测试集的验证表明该模型具有很好的精度，可以很好的用于台风极大风速的预测。

技术领域

本发明涉及台风预测领域，特别是一种基于支持向量回归建立台风预测模型的方法。

背景技术

随着台风造成的经济损失越来越多，更多的学者开始研究台风。目前对台风的研究一般有用于气象预报的气象台风模型和考虑工程实际应用的工程风场模型。气象台风模型主要模拟台风的一些基本特征，比如大气演变过程、温度场、流场、能量平衡、台风风眼、台风降雨等等。气象台风模型结构复杂，采用Monte Carlo方法进行模拟，并不适用于工程应用。为了构建适合于工程应用的台风模型，国内外学者做了大量的研究。

1971年，L.R.Russel提出将飓风发生模型与飓风的风场分布模型结合起来，结果发现飓风的发生遵循周期的泊松定律。从此人们开始用数值模拟对台风进行分析研究。在1980年L.R.Russel与M.E.Batts提出了Batts风场模型。Batts风场模型是以台风梯度平衡方程为基础的数值模型。随后又有Shapiro台风风场模型、 Georgiou模型以及现在比较常用改进的CE风场数值模型。YanMeng风场模型是 YanMeng等人于1995年提出的一种考虑到边界层摩擦修正的模型。厦门大学李涛、雷鹰等人对YanMeng台风模型进行了参数分析，并给出了取值方法，然后通过该模型对台风DAN进行数值模拟。华北电力大学的张志强以YanMeng风场模型作为台风模型，通过对“威尔逊”台风进行反演，确定了模型参数，并研究了台风作用下的输电线路动力响应。随着神经网络的发展，人们开始逐渐用神经网络对台风进行预测。李红丽、王鑫结合传播聚类方法与稀疏贝叶斯回归模型建立了一种新的台风最大风速预测模型。由于台风受多个因素的影响，所以传统的数值模拟方法的准确性准在着很大的问题。随着机器学习的发展与计算机算力的提高，机器学习也逐渐被应用到了台风的数值模拟。

发明内容

有鉴于此，本发明的目的是提供一种基于支持向量回归建立台风预测模型的方法，能够很好的对台风进行预测。

本发明采用以下方案实现：一种基于支持向量回归建立台风预测模型的方法，包括以下步骤：

步骤S1：获取历年台风数据即训练样本，并对所述训练样本进行预处理；

步骤S2：对预处理后的台风数据进行相关性分析和标准归一化处理；

步骤S3：建立支持向量回归模型即台风预测模型；

步骤S4：将台风到来时的参数包括气温、台风中心气压、两分钟平均风速、两分钟平均风向和台风中心维度数据输入到所述支持向量回归模型中用以进行台风极大风速预测。

进一步地，步骤S1中所述对训练样本进行预处理的具体内容为：使用 Python的sklearn库中的LabelEncoder函数对所述训练样本中非数字型参数进行编码处理，将非数字型参数编码转换成数字型参数；若所述训练样本某个数据集中存在的空值数少于该数据集的10％则将空值所在位置的前后数据进行求平均值，将该平均值作为该空值；若所述训练样本中存在的空值数大于该数据集10％，则剔除该组空值所在的数据集。

进一步地，所述步骤S2的具体内容为：

相关系数用r来表示；取与极大风速的|r|＞0.2的参数进行回归分析；

标准化公式表示为：