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
https://blog.sciencenet.cn/blog-425672-321118.html
上一篇:
Big Data下一篇:
Cloud computing: top threats