目的：利用大量的历史及实时数据来预测未来的天气形势
流程：
对选取的样本进行聚类分析和因子分析，选取预报因子；
建立挖掘模型；
最后对挖掘到的知识进行评价．

技术上：
先用特征向量，主成分，回归系数等方法得到影响天气的主因子；
然后统计分析主因子的历史观测值；（本文主要使用数理统计的方法）
根据这些结果与当天的实况天气资料进行比较，进行分类：
-- 如果在统计的范围内或在平均值附近，则认为有暴雨要发生，否则，认为未来不会发生暴雨．

举例：
根据经验选取了影响暴雨发生的12个预报因子，如700百帕的位势高度、温度、湿度、散度、涡度、垂直速度、水汽通量散度等；
经过多元线性回归和主成分分析，最后确定了湿度，涡度、散度、垂直速度和水汽通量散度为主成分；

论文：《数据挖掘技术应用于天气预报的可行性研究》
链接：http://www.lw23.com/pdf_5d78d128-ed81-4a7c-a292-8bd4946cddf6/lunwen.pdf

转载本文请联系原作者获取授权，同时请注明本文来自唐李洋科学网博客。
链接地址：https://blog.sciencenet.cn/blog-425672-321118.html

上一篇：Big Data
下一篇：Cloud computing: top threats