利用最小二乘支持向量机的短临降雨预测模型构建

2021-01-27赵庆志姚顽强

大地测量与地球动力学 2021年2期

赵庆志刘洋姚顽强

1 西安科技大学测绘科学与技术学院，西安市雁塔路58号，710054

降雨的发生受多种气象变量、位置和季节的影响[1]，近年来，基于GNSS技术反演PWV并研究其与降雨间的相关关系逐渐发展成为新的研究领域，一些学者根据降雨发生前PWV的异常变化特征，构建基于最小二乘法的简单短临降雨预测模型，以描述PWV与降雨间的相互关系[2-4]。

支持向量机(SVM)的相似版本——最小二乘支持向量机(LS-SVM)由Suykens等于1999年提出。SVM算法需要不敏感损失函数ε来解决特征空间中的凸二次规划问题，而LS-SVM仅需最小二乘损失函数以获取高维空间中一组线性等式，进而提高学习速率并降低SVM中凸规划的复杂度。此外，相比于SVM算法中惩罚参数、核参数sig2及不敏感损失函数ε等3种关键参数复杂的选取策略，LS-SVM仅需确定正则参数gam及径向基函数(RBF)参数sig2即可构建相应模型[5]。LS-SVM算法已成为一种解决非线性分类、函数估计及回归的重要理论，并被应用于多种学科[6-7]。

传统的简单降雨预测模型基于最小二乘原理拟合PWV/ZTD时变信息，以预测未来短期内发生的降雨事件。该类降雨预测模型普遍存在的缺陷是：1)降雨预测因子(PWV/ZTD)单一；2)降雨预测精度较低，预测正确率仅为80%，错报率介于60～70%之间[2-4]。因此，本文首次将LS-SVM算法用于构建短临降雨预测模型，将多种与降雨相关的气象参数添加进训练样本，并分别从以上两个方面改进传统降雨预测模型。