计算机应用 ›› 2014, Vol. 34 ›› Issue (3): 888-891.DOI: 10.11772/j.issn.1001-9081.2014.03.0888

• 行业与领域应用 • 上一篇    下一篇

自动站气温数据异常的补偿方法

张颖超1,2,3,郭栋1,2,3,熊雄1,2,3,贺磊1,2,3   

  1. 1. 南京信息工程大学 气象灾害预报预警与评估协同创新中心，南京210044
    2. 南京信息工程大学 信息与控制学院，南京210044；
    3. 南京信息工程大学 气象灾害预报预警与评估协同创新中心，南京210044
  • 收稿日期:2013-09-09 修回日期:2013-11-11 发布日期:2014-04-01 出版日期:2014-03-01
  • 通讯作者: 郭栋
  • 作者简介:张颖超（1961-），男，江苏徐州人，教授，主要研究方向：测控自动化、复杂系统建模与仿真；郭栋（1987-），男，山西太原人，硕士研究生，主要研究方向：气象仪器；熊雄（1987-），男，江西丰城人，博士研究生，主要研究方向：地面气象资料质量控制；贺磊（1988-），男，江苏南京人，硕士研究生，主要研究方向：气象仪器。
  • 基金资助:

    公益性行业（气象）科研专项;江苏省六大人才高峰项目;南京市产学研资金资助项目;江苏省产学研联合创新资金—前瞻性联合研究项目;中国气象局软科学研究课题项目

Compensation method for abnormal temperature data of automatic weather station

ZHANG Yingchao1,2,GUO Dong1,2,XIONG Xiong1,2,HE Lei1,2   

  1. 1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing Jiangsu 210044, China
    2. College of Information and Control, Nanjing University of Information Science and Technology, Nanjing Jiangsu 210044, China;
  • Received:2013-09-09 Revised:2013-11-11 Online:2014-04-01 Published:2014-03-01
  • Contact: GUO Dong

PDF

摘要：

为了保证气象资料的完整性与准确性，针对含有间断噪声的自动站日平均气温数据提出了3种隶属度函数，设计了基于平方平均隶属度函数的模糊支持向量机（FSVM）补偿算法，建立了补偿模型，并与传统支持向量机（SVM）方法进行了对比。实验结果表明：基于平方平均隶属度函数的FSVM方法对噪声点有较强的识别能力，插补后的数据精度达到了1.4℃，优于传统SVM方法的1.6℃；整体预测精度达到了1.13℃，同样优于传统SVM方法的1.42℃。

关键词: 自动气象站, 间断噪声, 日平均气温, 平方平均隶属度函数, 模糊支持向量机, 补偿

Abstract:

To ensure the integrity and accuracy of the meteorological data, combined with automatic weather station's daily average temperature data which contained discontinuous noise, three types of membership functions were submitted. A compensation algorithm of Fuzzy Support Vector Machine (FSVM) based on root-mean-square membership function was designed and the compensation model was established too. Finally, the FSVM method was compared with the traditional Support Vector Machine (SVM) method. The experimental results show that the proposed algorithm has good recognition capability for noise points. After interpolation, the data precision was 1.4℃, better than 1.6℃ of the traditional SVM method. Moreover, the whole data precision was 1.13℃, superior to 1.42℃ of the traditional SVM method.

Key words: automatic weather station, discontinuous noise, daily average temperature, root-mean-square membership function, Fuzzy Support Vector Machine (FSVM), compensation

中图分类号: 

版权所有 © 2021 四川计算机应用杂志社有限公司
蜀ICP备 05010208 号-3　新出网证(川)字026号
技术支持：北京玛格泰克科技发展有限公司
访问总数：
今日访问：