PSO-PSR-ELM集成学习算法在地面气温观测资料质量控制.PDFVIP

下载本文档

2
0
约6.16万字
约 12页
2019-02-14 发布于湖北
举报
版权申诉

PSO-PSR-ELM集成学习算法在地面气温观测资料质量控制.PDF

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第22 卷第1 期气候与环境研究 Vol. 22, No. 1 2017 年1 月 Climatic and Environmental Research Jan. 2017 , , . 2017. PSO-PSR-ELM [J]. , 22 (1): 59–70. Zhang 张颖超姚润进熊雄，等集成学习算法在地面气温观测资料质量控制中的应用气候与环境研究 Yingchao, Yao Runjin, Xiong Xiong, et al. 2017. Application of PSO-PSR-ELM-based ensemble learning algorithm in quality control of surface temperature observations [J]. Climatic and Environmental Research (in Chinese), 22 (1): 59–70, doi:10.3878/j.issn.1006-9585.2016.16013. PSO-PSR-ELM 集成学习算法在地面气温观测资料质量控制中的应用张颖超1, 2 1 3 1 姚润进熊雄沈云培 1 南京信息工程大学信息与控制学院，南京210044 2 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 3 南京信息工程大学气象灾害教育部重点实验室，南京210044 摘要针对台站密度低、新建台站以及特种单要素站等无法获得有效邻站或内部参考资料情况下的质量控制问题，从气温时间序列的混沌特性出发，考虑气温在短时间内的连续性和稳定性，提出一种基于粒子群（Particle Swarm Optimization, PSO Phase Space Reconstruction, PSR Extreme Learning ）改进的相空间重构法（）和极限学习机（ Machine, ELM ）的集成学习算法的地面逐时气温观测资料的单站质量控制方法，实现气温资料的质量控制。为检验该方法的适用性，运用该方法对江苏省八市2007～2009 年的地面气温观测资料进行质量控制，并与传统单站方法及切比雪夫多项式内插法（Tshebyshev Polynomial Interpolation, TPI ）进行对比。实验结果表明，该方法相比较 TPI 于和传统方法可以更有效地标记出可疑数据，具有检错率高、地区和气候适应性、可控性强等优点。关键词质量控制气温混沌性粒子群相空间重构极限学习机 1006-9585 2017 01-0059-12 P413 A 文章编号（）