基于SVM与粒子群算法的沪宁高速公路能见度预报研究.pdfVIP

基于 SVM 和粒子群算法的沪宁高速公路能见度预报研究 1 1 2 吴和红 刘承晓 段春风 (1安徽省公共气象服务中心，2 安徽省气候中心，230061) 摘要：利用2006年6月-2009 年5月沪宁高速公路窦庄站AWM自动气象站资料，运用支持向量机和粒子群 算法建立大雾预报模型。结果表明径向基核函数由于其漏报率最低较适用于公路能见度的预报；预报准确 率与大雾出现的气候概率有关，气候概率越高则预报的准确率越高；运用粒子群算法寻优参数能够很快收 敛，达到一个较优值，与穷举法相比，大大提高了计算效率。 关键字：能见度、高速公路、支持向量机、粒子群算法 Abstract. In order to reduce the accident probability in low visibility, based on the study of the automatic weather station data on Shanghai-Nanjing expressway through June 2006 to May 2009, the forecasting models of low visibility weather of Shanghai-Nanjing expressway are established by using of support vector machine with several kernel functions and the particle swarm optimization algorithm is introduced to search for the optimal parameters. The experiment results show that the forecasting model constructed with radial base kernel function is better then others own to its less omission. Forecast accuracy is closely related to the climate probability of low visibility. Particle swarm optimization algorithm accelerates the convergence of searching parameters. Compared with traditional exhaustive method, particle swarm optimization algorithm can archive higher computation efficiency. It is demonstrated by numerical simulations that the algorithm based on PSO and SVM is effective. Keywords: visibility forecast, expressway, support vector machine, particle swarm optimization 0 引言： 低能见度天气是影响交通畅通和安全的主要原因之一，因低能见度天气造成的交通事故 屡有发生，据统计 2007年仅江苏省内高速公路因低能见度造成交通事故死亡人数达 34 人， 因此全面认识和准确预报低能见度天气，减少其害造成的损失，具有重要的现实意义。 低能见度的预报由于其系统复杂，影响因子众多成为预报的一个难题。近年来，随着城 市道路系统的现代化，许多学者在研究低能见度天气特征的基础上都提出了实施临近预报的 方案。吴洪等[1]研究了北京地区低能见度形成的环流形式，制定了上游物理场和本地层结稳 定度相结合的逐级预报指导思路；吴兑等[2]研究了南岭山地高速公路雾区能见度预报系统发 现浓雾的持续预报能力较强，而生成和消散有数小时滞后；冯民学等[3]设计了沪宁高速公路 从大到小，从远到近的跟踪判断预报思路。以上学者提出了一些低能见度预报思路，随着机 器学习方法在气象领域的应用的推广，冯汉中[4-6]等运用支持向量机方