數(shù)據(jù)挖掘技術(shù)在氣象預(yù)測中的應(yīng)用.pdf

1、隨著全球天氣的不斷變化，依靠天氣預(yù)報來及時發(fā)現(xiàn)災(zāi)害天氣的出現(xiàn)顯得尤為重要。大數(shù)據(jù)時代的來臨，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于氣象預(yù)報中，分析各種氣象因子之間的關(guān)聯(lián)，提高氣象預(yù)報的準確性，具有十分重要的現(xiàn)實意義。傳統(tǒng)的氣象預(yù)報是基于統(tǒng)計的預(yù)測模型，采用概率領(lǐng)域的相關(guān)方法將歷史數(shù)據(jù)建立一個或多個模型。但是，傳統(tǒng)的統(tǒng)計方法往往適用于大量預(yù)報對象，預(yù)報對象越多，找出的預(yù)報因子和預(yù)報對象之間的關(guān)聯(lián)越多，得到的統(tǒng)計結(jié)果越精確。然而，在實際應(yīng)用中，往往需要針對某

2、一特定天氣對象進行預(yù)報，傳統(tǒng)的統(tǒng)計方法存在一定的局限性。使用數(shù)據(jù)挖掘技術(shù)可以針對某一特定天氣對象，快速處理海量天氣數(shù)據(jù)，挖掘出潛在的、人們不易發(fā)覺的預(yù)報因子之間的關(guān)聯(lián)，有助于提高天氣預(yù)報的準確性。
　　目前智能算法在數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用受到越來越多學(xué)者的關(guān)注。引力移動算法GMA是近年提出的一種啟發(fā)式群體優(yōu)化算法，性能比傳統(tǒng)粒子群算法有著很大提高，但仍然存在著缺陷。
　　為提高引力移動算法搜索性能，針對引力移動算法解決一些高維空

3、間優(yōu)化問題時存在的收斂速度慢、搜索精度不高的問題，本文提出一種基于親和度的改進引力移動算法PGMA，即基于引力移動算法原理，通過構(gòu)造一個基于親和度概念的系數(shù)，對種群個體受到的引力合力公式作適當(dāng)?shù)淖儞Q來改造基本引力移動算法。改進后的算法對種群中個體的位置更新方向加以引導(dǎo)，提高算法的搜索精度和算法搜索能力。用13個基準函數(shù)對改進算法進行試驗，驗證了改進算法在求解精度和穩(wěn)定性上優(yōu)于基本引力移動算法。然后將PGMA算法應(yīng)用到了關(guān)聯(lián)規(guī)則挖掘領(lǐng)域，