基于SVM-BP神经网络的气象能见度数据缺失值预估

来源：南京信息工程大学学报·自然科学版杂志2021年第4期北京时间：

作者：殷利平

单位：殷利平,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 大气环境与装备技术协同创新中心, 南京, 210044,刘宵瑜,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 大气环境与装备技术协同创新中心, 南京, 210044,盛绍学,安徽省气象信息中心, 合肥, 230031,温华洋,安徽省气象信息中心, 合肥, 230031,邱康俊,安徽省气象信息中心, 合肥, 230031

摘要：自动气象站能见度检测仪多采用光学装置采样，雨雪、粉尘等天气因素会对部分仪器镜头造成污染，导致能见度要素数据缺测.针对能见度数据缺失问题，本文选用安徽部分气象站的历年数据，首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素，通过支持向量机和BP神经网络单一预估方法预估不同地形的能见度缺失值，然后采用最优权重组合将两种方法预估的能见度值进行组合，并与单一预估方法进行对比.结果表明组合方法的预估结果误差均值小、整体准确度高，可以保证台站观测资料的完备性，为短时天气预报、实况分析和气象公共服务工作提供有效依据.

关键词：组合模型;缺失值预估;关联分析;BP神经网络;能见度;支持向量机

基金资助：国家自然科学基金（61573190，61571014）；安徽省气象局科研项目（KM201907）；安徽省创新团队建设计划