气象预测中的数据挖掘技术应用

杨  扬

甘肃省甘南藏族自治州卓尼县气象局　邮编747600

文章已被气象研究与应用杂志社录用，气象研究与应用杂志投稿网址链接：http://www.zazhi114.cn/qixiangyanjiuyuyingyong

摘要：气象预测是当前世界比较重要和具有挑战性的问题，较为准确的气象预测也需要应用较为先进的方式以及计算机模型。近些年以来，在当前先进的智能计算和数据挖掘等基础上，提高对未知气象规律的认识和提高气象预测预报能力，逐渐成为当前气象专家关注和重视的热点，指出当前气象预报技术存在的问题和困难，并对未来的研究重点和和发展趋势等加以有效研究和展望。

关键词：气象预测；数据挖掘技术

随着人工智能和统计学技术等的应用不断广泛，数据挖掘的气象数据在具体应用的时候，其潜力是较为突出的，并且在气象数据信息内容不断增加的过程中，能够从数据挖掘中来改进处理方法，使得气象数据的使用效能提升是较为重要的，这就需要。结合统计预报制作过程，从数据预处理和模型构建等方面，使得气象数据信息能够得到标准化处理，在关联规则优化方面，使得各个模块的数据能够得到有效设计和实现。

一、数据挖掘技术在气象预报研究中常用的方法

（一）决策树

数据挖掘技术在气象预报研究中应用的时候，决策树的方式具有比较重要的位置。决策树指在分类预测中应用和树形结构较相似的数据挖掘方法。这种树形结构中的非终结点进行任意测试，并且根据测试的相关结果，并且对其分支进行选取，主要是由根节点至上而下进行，这一过程会延至到达叶子节点。决策树的方式具体应用的时候，其操作较为容易，在具体分类的过程中，具有比较高的精确程度。

（二）遗传算法

遗传算法是对自然界中的生物遗传进化原理模仿，遗传算法是在自然选择和生物遗传机制的搜索算法等基础上具体实施，根据这一研究全局优化的随机搜索算法，也对达尔文的进化论及孟德尔的遗传学理论等实施有效参照，对需要解决的问题基础上进行相关参数集编码处理，随后对种群进行初始化处理，之后根据适应度数值决定的规则选择之后的个体，并且实施交叉操作处理和变异操作处理。

（三）聚类分析

聚类分析的方式在具体应用的时候，其主要是对气象预测相关数据信息内容实施积聚处理，但是在这些规则之上也需要使得类间的相似性程度较低，类的内部相似性程度较高，其中比较常用的聚类方式主要是在划分和密度及模型的聚类方法等基础上具体实施。聚类分析的方式对数据之间的强相关联的对象组发现，而孤立点检测是对和其他对象之间不存在关联关系的对象组。因此，孤立点分析与聚类存在着对立的情况。

二、遇到的问题

（一）决策树存在的问题

决策树算法在具体应用的时候，其在对连续数据有效处理的时候，也具有一定的困难，其数据的属性域也需要划分处理，但是在这一过程中，需要对分类问题实施明确的划分，决策树算法在缺失数据处理的时候存在一定难度，而这主要是由于不能对缺失数据产生正确的分支而产生不利影响，最后，决策树的过程容易对数据库属性忽略，这些也就会造成气象预报出现不准确的现象。

（二）遗传算法的缺陷

遗传算法在应用的时候，这一方式的局部搜索能力相对较差，也就会使得单纯遗传算法花费的时间较多，在其发展的后期搜索效率较低，而遗传编程算法过程复杂性的特点较为突出，其在处理的时候效率比较低，也会使得代码出现膨胀的现象，容易对搜索效率造成不利影响。

（三）聚类分析的缺陷

在数据挖掘的过程中，聚类具有较强挑战性的方式，其也具有观察式特点，在不进行指导的时候，由于聚类分析方式中所设计的领域较宽，数据挖掘对聚类分析的要求是相对较多的，其在气象预测的时候，存在着比较大的困难。

结束语

气候系统属于具有不稳定的高阶非线性系统，这一系统较为复杂，内部相互作用和自由变化等使得气候本身具有复杂性和可变性等特点。随着我国社会水平的提升和经济的发展，我国的气象事业也在这一基础上得到发展，和传统预报方式相对比，基于数据挖掘方法的气象预报技术对非线性特征明显的天气预报问题解决的时候，能力更加突出，这一预测技术本身具有前景的技术。目前国内外相关的数据挖掘技术基础上的气象预报技术研究性的论文是比较多的，其发展空间是比较大的，需要深入研究。与传统的预报方法相比，基于数据挖掘方法的气象预报技术在具体应用的时候，其本身在非线性特征明显的天气预报问题解决的时候，其能力更加显著，这一技术属于比较具有前景的技术。当前全球变暖和灾害性天气等问题频发，未来天气也就会出现难以琢磨的现象，更加使得这一工作的重要意义以及迫切性等凸现出来。

参考文献

[1]赵蕊娟. 数据挖掘技术在气象预测中的应用[D].天津工业大学,2017.

[2]王昊. 基于改进贝叶斯网络的气象数据预测算法研究[D].太原理工大学,2016.

[3]樊继慧. 基于SVM组合分类器的局域气象预测研究[D].广东工业大学,2015.

[4]李俊磊. 多组合分类器在局部区域气温预测中的研究与应用[D].广东工业大学,2014.

[5]刘寅. Hadoop下基于贝叶斯分类的气象数据挖掘研究[D].南京信息工程大学,2012.

[6]姜文瑞. 基于数据挖掘的气象数据分析[D].西安建筑科技大学,2012.