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來進(jìn)行強(qiáng)對流天氣的識別和預(yù)報。強(qiáng)對流天氣的發(fā)生可以看作是小概率事件，因此強(qiáng)對流天氣的預(yù)警問題可以作為不平衡數(shù)據(jù)分類問題來處理。在SVM的應(yīng)用上結(jié)合判別準(zhǔn)則來對不平衡數(shù)據(jù)進(jìn)行處理，更好的對強(qiáng)對流天氣進(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)果的評估幾個方面進(jìn)行了詳細(xì)的描述。通過采用丹佛地區(qū)的數(shù)據(jù)進(jìn)行大量試驗(yàn)，排除了不平衡數(shù)據(jù)對分類的干擾，提高了強(qiáng)對流天氣識別的準(zhǔn)確度。
?