基于遗传算法-支持向量机模型在热带气旋强度预报中的应用

顾锦荣，刘华强，刘向陪，吕庆平

（1.解放军理工大学气象学院，江苏南京211101；2.94816部队气象中心，福建福州 350002）

基于遗传算法-支持向量机模型在热带气旋强度预报中的应用

顾锦荣1,2，刘华强1，刘向陪1，吕庆平1

（1.解放军理工大学气象学院，江苏南京211101；2.94816部队气象中心，福建福州 350002）

利用遗传算法对支持向量机（SVM）模型参数进行寻优，找到最优参数组合后代入SVM模型中，得到基于遗传算法的支持向量机模型（GA-SVM），利用此模型对热带气旋强度进行预报实验。该模型对热带气旋强度12 h、24 h和48 h的预报平均绝对误差分别为3.01 m/s、4.46 m/s和6.57 m/s；比最小二乘回归法的预报精度分别提高了12%、11%、14%。

支持向量机；遗传算法；热带气旋；强度预报

1 引言

当前热带气旋（Tropical Cyclone，简称TC）强度的预报方法主要有动力方法、统计方法、动力与统计相结合的方法。动力方法主要基于数值预报，在此基础上，结合预报员的主观经验来做出预报。传统的统计方法，比如逐步回归、最优子集回归、卡尔曼滤波方法等，建立因子与对象之间关系的基础是它们之间的显著线性相关，而大气环流变化中的复杂性和非线性，决定了预报因子与预报对象之间的非线性相关。因此传统的方法在处理本质上具有非线性关系的问题时，往往难以达到期望的结果。

支持向量机（Support Vector Machine,简称SVM）是基于统计学习理论的VC维理论和结构风险最小化原则的新型学习机器[1-2]。国内外专家、学者己逐步将其应用于（超）文本分类、语音识别、生物序列分析和生物数据挖掘、手写字符识别、人脸识别、指纹识别、遥感图像分析等诸多方面。……