數據挖掘技術在氣象預測中的應用.pdf

1、隨著全球天氣的不斷變化，依靠天氣預報來及時發(fā)現災害天氣的出現顯得尤為重要。大數據時代的來臨，將數據挖掘技術應用于氣象預報中，分析各種氣象因子之間的關聯，提高氣象預報的準確性，具有十分重要的現實意義。傳統(tǒng)的氣象預報是基于統(tǒng)計的預測模型，采用概率領域的相關方法將歷史數據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報對象，預報對象越多，找出的預報因子和預報對象之間的關聯越多，得到的統(tǒng)計結果越精確。然而，在實際應用中，往往需要針對某

2、一特定天氣對象進行預報，傳統(tǒng)的統(tǒng)計方法存在一定的局限性。使用數據挖掘技術可以針對某一特定天氣對象，快速處理海量天氣數據，挖掘出潛在的、人們不易發(fā)覺的預報因子之間的關聯，有助于提高天氣預報的準確性。
　　目前智能算法在數據挖掘領域的應用受到越來越多學者的關注。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，通過構造一個基于親和度概念的系數，對種群個體受到的引力合力公式作適當的變換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，提高算法的搜索精度和算法搜索能力。用13個基準函數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算法應用到了關聯規(guī)則挖掘領域，