基于支持向量机的雷暴潜势预报初探
2018-09-10周明薇肖稳安张其林周四清彭双姿
周明薇 肖稳安 张其林 周四清 彭双姿
摘要根据2008—2010年夏季邵阳地区的NCEP全球再分析资料(分辨率为1°×1°)和闪电定位资料,利用支持向量机(SVM)分类方法建立该地区雷暴潜势预报模型,并用测试样本检验了该模型的预报能力,同时与Logistic回归模型和Bayes判别法的预报效果进行了比较。结果表明,SVM模型的预报准确率为8621%,虚警率为1525%,漏报率为1379%。对比三种模型的TSS技术评分,发现使用SVM方法建立的模型对邵阳地区雷暴预报的效果最好,评分值为079。因此,SVM方法所建立的模型可以为邵阳地区6 h的雷暴潜势预报提供一定的参考价值。
关键词雷暴预报;支持向量机;Logistic回归;Bayes判别法
雷暴是发生在大气中伴有雷电活动和阵性降水的局地对流天气现象,强雷暴常伴有龙卷、強风(或下击暴流)大雹块、暴洪、雷击等灾害性天气,严重威胁着人类的生产生活。近年来,随着经济的不断发展,雷暴所造成的人员伤亡和财产损失日益显著。因此,对雷暴的预报越来越受到人们的重视,各地气象部门也将雷暴的潜势预报列为常规预报的一部分。Blanchard(1998)提出了多个表征条件性不稳定的指数。Neumann(1990)将800~600 hPa的平均相对湿度应用到闪电的预报模型中。Solomon and Baker (1994)研究新墨西哥州雷暴时,得出当CAPE值大于400 J/kg时,可以较好地预报闪电活动的发生。郑栋等(2005)利用闪电定位资料和探空资料分析了对流参数与闪电活动的相关性,并提出闪电活动预报的诊断指标。郝莹等(2007)利用T213资料,分别采用判别分析法和指标法对雷暴预报进行了研究。……
