基于高斯过程函数型回归模型的日最高气温研究 |
| |
引用本文: | 张博,曹春正,朱晓欣,朱连华.基于高斯过程函数型回归模型的日最高气温研究[J].数学的实践与认识,2016(4):181-189. |
| |
作者姓名: | 张博 曹春正 朱晓欣 朱连华 |
| |
作者单位: | 南京信息工程大学数学与统计学院,江苏南京,210044 |
| |
基金项目: | 国家自然科学基金(11301278),教育部人文社科基金(13YJC910001),江苏省自然科学基金(BK2012459) |
| |
摘 要: | 极端天气是目前社会热点问题.利用高斯过程函数型回归对北京,上海等10个城市近年来夏季日最高气温进行整体建模.选取城市地理位置信息作为均值函数解释变量,时间和降雨信息作为高斯过程协方差结构解释变量,充分利用模型能够同时捕捉均值和协方差结构的优势,解决多地区日最高气温的整体建模和同步预测问题.研究表明,高斯过程函数型回归模型在随机预测,外延预测,k步预测,以及对于训练数据集以外城市的预测均有较好的效果,且优于一般的函数型数据模型.
|
关 键 词: | 日极端气温 降雨 函数型数据 高斯过程 预测 |
On Research of Daily Highest Air Temperature based on Gaussian Regression Functional Regression Model |
| |
Abstract: | |
| |
Keywords: | daily extreme air temperature rainfall functional data gaussian process prediction |
本文献已被 CNKI 万方数据 等数据库收录! |
|