基于数据挖掘的气象分析及预测

论文摘要

伴随着我国信息技术的高速发展,气象部门积累了大量的数据,激增的气象数据背后隐藏了大量的、鲜为人知的重要信息,如何从这些激增的、大量的数据中发现其中有用的信息,已成为当今数据挖掘及气象方面专家研究的一个热点问题;另一方面,众所周知气象讯息与人们的生活高度相关,严重影响着人们生产生活方式,与人们的切身利益息息相关。基于以上研究背景,本文从日常生活中人们最关心的气温出发,通过研究影响气温变化的效应因素:降雨量、气压、水气压等若干因素间的联系,建立模型,利用所建模型进行预测,通过研究预测值与真实值的误差,研究模型效果。本文重点从两种方法上研究该课题,以下简单介绍两种方法:首先采用决策树方法对气温数据进行评估,这里主要考虑了降雨量、气压、水气压、风速、相对湿度五种与气温变化息息相关的指标;建立月平均气温的决策树模型和按季节划分的决策树模型,通过两种方法的对比,我们发现按月平均气温建立的决策树模型的预测效果从整体上看要优于按季节划分的决策树模型,但是按季节划分的决策树模型在对夏季气温进行预测时要优于按月平均气温建立的决策树模型。其次,本文充分考虑了按时间因素来处理这个问题的方法,运用时间序列中常用的简单季节模型和ARIMA模型来对本文中涉及到的数据进行分析、建模、预测,最终发现ARIMA模型的预测效果比简单季节模型的预测效果更好一些。文章最后,作者总结了两个模型在该案例分析中起到的作用,并且也分析了过程中存在的一些问题与不足;同时这些问题的存在也为未来的研究指明了方向。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 研究背景
•   1.2 研究目的及意义
• 第二章 数据挖掘概述
•   2.1 数据挖掘的概念
•   2.2 数据挖掘的步骤
•   2.3 数据挖掘的应用
•   2.4 数据挖掘的要求及挑战
• 第三章 决策树模型在气象中的应用研究
•   3.1 决策树的概述
•     3.1.1 基本概念
•     3.1.2 决策树的结构
•     3.1.3 决策树的算法
•   3.2 决策树方法在气象预测中的应用与现状
•   3.3 模型构建
•     3.3.1 按月平均气温划分生成的决策树
•     3.3.2 分季节气温划分生成的决策树
•   3.4 两种方法的比较
•   3.5 决策树方法在此案例分析中的优缺点
• 第四章 时间序列分析在气象中的应用研究
•   4.1 时间序列概述
•   4.2 模型构建
•     4.2.1 数据预处理
•     4.2.2 简单季节模型
•     4.2.3 ARIMA季节模型
•   4.3 两种方法的对比
• 第五章 结论及展望
•   5.1 结论
•   5.2 不足与展望
• 参考文献
• 致谢
• 附录

文章来源

类型: 硕士论文

作者: 董婷婷

导师: 赵强,马建

关键词: 数据挖掘,决策树模型,时间序列分析

来源: 山东师范大学

年度: 2019

分类: 基础科学,信息科技

专业: 气象学,计算机软件及计算机应用

单位: 山东师范大学

分类号: TP311.13;P45

总页数: 40

文件大小: 2277K

下载量: 389