【技术实现步骤摘要】
一种基于数据挖掘的飓风强度变化预测方法
本专利技术涉及飓风强度变化预测
，具体是一种基于数据挖掘的飓风强度变化预测方法。
技术介绍
热带气旋是产生于热带以及亚热带海面的气旋性环流，其中，中心风速达到每秒33米每秒及以上的气旋被称之为台风或飓风。虽然飓风能为干旱地区增加降雨，同时平衡热量，但它带来的危害是极大的，比如说摧毁房屋、树木以及带来洪水，使人的生命财产安全受到威胁，同时给国家增加经济负担。但是飓风的成因目前的研究无法完全清楚，同时影响飓风强度增加的因子也包括很多方面，其中有的因素还是未知的。现有的飓风预报模式主要分为三类，分别是统计模式、统计——动力模式和数值模式，这些方法在计算不同的飓风最大可能强度(MPI)时需要根据专家经验选择合适的方案，不同的计算方案对于同一飓风事件的强度预测结果也不相同。因此，需要利用科学的手段，探索一种通用的，不依赖于气象学，动力学知识，不关心飓风物理结构和形成原因的预测模型对飓风进行预测，从而减少飓风带来的损失。在信息技术不断革新的浪潮中，各行各业产生了大量不同类别不...
【技术保护点】
1.一种基于数据挖掘模型的飓风强度变化预测方法，其特征在于，包括以下步骤：/n步骤1：获取飓风气象数据并对其进行预处理/n数据预处理包括飓风强度分级、数据清理、数据格式转换、数据分割和分级数据处理成预测分级数据五个部分；/n步骤2：寻找合适分类算法以及探究RI型飓风分类的可能性/n利用RI策略，在进行飓风强度变化预测时，将数据集中“是否为RI型”属性设置为分类属性，然后利用分类算法进行训练；/n步骤3：将数据测试集放入飓风强度预测模型进行集成训练/n合理选择算法作为Bagging基分类器对数据集进行学习从而得到最优的飓风强度变化预测模型。/n步骤4：从集成学习中根据评价指标...
【技术特征摘要】
1.一种基于数据挖掘模型的飓风强度变化预测方法，其特征在于，包括以下步骤：
步骤1：获取飓风气象数据并对其进行预处理
数据预处理包括飓风强度分级、数据清理、数据格式转换、数据分割和分级数据处理成预测分级数据五个部分；
步骤2：寻找合适分类算法以及探究RI型飓风分类的可能性
利用RI策略，在进行飓风强度变化预测时，将数据集中“是否为RI型”属性设置为分类属性，然后利用分类算法进行训练；
步骤3：将数据测试集放入飓风强度预测模型进行集成训练
合理选择算法作为Bagging基分类器对数据集进行学习从而得到最优的飓风强度变化预测模型。
步骤4：从集成学习中根据评价指标体系选取最优的飓风强度预测模型
训练后系统得到的10个预测函数，按照分类准确性排序，选出准确率最高的5个加入决策小组，再通过考虑各种指标对分类结果进行投票选择；
步骤5：飓风未来6小时、12小时、18小时飓风风力分级预测实验
在步骤3的选出的最好的算法集合的基础上进行步骤4的实验，探究飓风未来6小时、12小时、以及18小时飓风风力分级预测的能力。
2.根据权利要求1所述的基于数据挖掘模型的飓风强度变化预测方法，其特征在于，步骤1的具体实现过程包括以下子步骤：
步骤1.1：将飓风强度按照中心风速大小分为12个级别，并在数据表中建立新的数据项VCLASS；
步骤1.2：将数据缺失率高于1％的属性列删除，使用Weka平台中Weka.filters.unsupervised.attribute.RepelaceMissingValues功能把低于1％的属性列的缺失值补全；
步骤1.3：使用Weka平台上的Weka.filters.unsupervised.attri-bute.NumericToNorminal对飓风等级数据进行离散化处理；
步骤1.4：将步骤1.3得到的数据作为初始数据用于数据挖掘实验，从中分离出训练集和测试集；
步骤1.5：将分级数据处理成预测数据，依据飓风名对飓风数据进行处理，对每一个飓风的x条数据进行处理，预测值设置为6小时、12小时和18小时后的那一条数据，也就是第i条数据的6小时、12小时和18小时的预测级别为i+1、i+2和i+3的条数据的VCLASS属性项的值，然后删除每一个飓风x条数据的末尾3条数据，最后得到3组数据集和训练集，分别是预测6小时后等级、12小时后等级、18小时后等级。
3.根据权利要求1所述的基于数据挖掘模型的飓风强度变化预测方法，其特征在于，步骤2的具体实现过程包括以下子步骤：
步骤2.1：选择REPTree、LMT(Logistic模型树)、J48(C4.5)、IBk(kNN)和MultilayerPerceptron(BP神经网络)5种算法进行分类，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。