用機(jī)器學(xué)習(xí)中有監(jiān)督學(xué)習(xí)模型支持向量機(jī)SVM來(lái)進(jìn)行強(qiáng)對(duì)流天氣的識(shí)別和預(yù)報(bào)。強(qiáng)對(duì)流天氣的發(fā)生可以看作是小概率事件，因此強(qiáng)對(duì)流天氣的預(yù)警問(wèn)題可以作為不平衡數(shù)據(jù)分類(lèi)問(wèn)題來(lái)處理。在SVM的應(yīng)用上結(jié)合判別準(zhǔn)則來(lái)對(duì)不平衡數(shù)據(jù)進(jìn)行處理，更好的對(duì)強(qiáng)對(duì)流天氣進(jìn)行預(yù)警。本文從數(shù)據(jù)的獲取、訓(xùn)練算法的選擇、算法的應(yīng)用、實(shí)驗(yàn)結(jié)果的評(píng)估幾個(gè)方面進(jìn)行了詳細(xì)的描述。通過(guò)采用丹佛地區(qū)的數(shù)據(jù)進(jìn)行大量試驗(yàn)，排除了不平衡數(shù)據(jù)對(duì)分類(lèi)的干擾，提高了強(qiáng)對(duì)流天氣識(shí)別的準(zhǔn)確度。
?