黄 炜，李雪真，赵 嘉，赵丽华，李臣民

（1.江苏省水文水资源勘测局，江苏南京 210029；2.河海大学计算机与信息学院，江苏南京 210098）

基于朴素贝叶斯算法的流域降水预测方法

黄 炜1，李雪真2，赵 嘉2，赵丽华2，李臣民2

（1.江苏省水文水资源勘测局，江苏南京 210029；2.河海大学计算机与信息学院，江苏南京 210098）

为了在降水成因尚不明确的情况下有效利用相关历史资料提高降水预报水平，提出了基于朴素贝叶斯算法的流域降水预测方法。以东江流域为例，通过构造不同降水数据特征集预测流域内降水情况，并与传统时间序列方法和BP神经网络方法进行预测准确率对比验证，结果表明，基于朴素贝叶斯算法的降水预测方法取得了比传统时间序列方法和BP神经网络方法更好的降水预测效果。

降水预测；朴素贝叶斯算法；贝叶斯估计；F-measure评价方法

准确、可靠地预测未来降水状况，特别是暴雨预测，既是水资源合理开发和科学调配的基础，也是确保社会稳定、人民生命财产安全，以及维护自然生态和环境安全的关键［1］。然而，降水是一种依赖于非线性动态多时空尺度环流系统的气象现象，同时也是局地环流、热力作用与当地不均匀的地形、地貌相结合的产物［2-3］。尽管已有许多不同时空尺度的降水预测研究成果，但由于降水产生的内部机理尚不完全明确，有效的降水预测，尤其是极端降水预测仍然是一个挑战。从方法上分，降水预测方法可分为天气学和统计学两种方法。天气学降水预测方法［4-5］主要依靠机理预测，缺点是不同预报员做出的降水量预报可能会有很大的差异，并且天气图上难以清楚分辨局部地区的中小尺度暴雨。……