杨昊岩， 栾 涛*， 韩仲志， 倪建功， 高霁月

(1. 青岛农业大学动漫与传媒学院， 青岛 266109； 2. 青岛农业大学理学与信息科学学院， 青岛 266109)

风作为一种常见的自然现象，是由太阳辐射热促使空气流动引起的. 风的大小用风级来表示，风级是重要的气象信息. 及时准确地获取风级信息在预防自然灾害[1]、保障农业生产、开发清洁能源等方面具有重要意义，是人们日常生活的基础、国家发展的重要保障. 传统的风级识别仪器和方法：自动气象站、探空气球、激光雷达[2]、L波段二次测风雷达、风廓线雷达[3]、光学经纬仪、无线电经纬仪、GTS1型探空仪[4]、雷达回波信噪比(SNR)测风[5]、多普勒天气雷达[6]、专用风速计[7]等. 传统风级识别方法具有对精密设备的依赖性、设备昂贵、不易携带等不足，虽然常被应用于气象观测领域，但很难实现按需进行多元化、智能化的应用. 因此，迫切需要开发一种智能化、便捷化的风级识别方法.

国内外研究者针对一些多元性的风级识别要求展开了一系列研究，CADENAS等[8]使用单变量求合自回归滑动平均(Auto-regressive Integrated Moving Average,ARIMA)模型和多元非线性自回归外衍(Nonlinear Auto-regressive exogenous,NARX)模型预测风速，每小时数据库的平均绝对误差和均方误差分别为5.5%和10.6%，10 min数据库的平均绝对误差和均方误差分别为2.3%和12.8%. 颜晓娟等[9]将传统的机器学习算法支持向量机(SVM)应用于短期风速预测，获得了较高的预测精度和收敛速度. GUO等[10]提出了一种基于混沌时间序列建模技术和Apriori算法的风速预测策略. TIAN[11]分析了短期风速时间序列的混沌特……