基于机器学习的危险飞行天气预测研究
该研究通过应用机器学习算法,分析了各种算法在使用达卡市一个气象站 20 年数据预测降水和温度变化模式方面的贡献和性能指标。研究结果突出了显著成就,并提供了有价值的洞察和特征相关性。
Feb, 2024
在天气与气候预测领域,机器学习(ML)正对传统基于物理模型的预测模型提供有力的挑战,并取得了更高的预测准确性。本研究通过对当前 ML 模型中 Pangu-Weather 预测的准确性和物理一致性进行考察,发现相比于基于物理模型的预测,ML 模型在准确性指标上的优势主要是由于其独特性而产生的。此外,ML 模型在特定的预测应用中与传统数值天气预报输出具有协同作用,并且在实际应用中具有极低的计算成本,因此能够为预测信息提供一种有价值的额外来源。
Sep, 2023
这篇文章主要研究了使用支持向量机(SVM)对基于图像数据集的森林火灾检测进行性能和利用率分析。通过对带标签数据进行训练,SVM 能够识别与火灾相关的特征,如火焰、烟雾或森林区域的视觉特征变化。文章深入探讨了 SVM 的使用,包括数据预处理、特征提取和模型训练等关键要素,评估了准确性、效率和实际适用性等参数。通过一个具有启示性的案例研究,文章还仔细调查了 SVM 准确性与高维数据集所带来的困难之间的关系。此外,文章还讨论了准确性分数与训练数据集调整不同分辨率之间的关系。综合研究结果揭示了所面临的困难以及需要进一步改进和关注的潜在领域。
Jan, 2024
本研究基于可靠的建模模拟数据,比较了监督机器学习方法在估算在空中战斗期间发射导弹的最有效时刻的能力,并采用重新采样技术提高预测模型,发现基于决策树的模型性能显着更优越,而其他算法对重新采样技术具有显著灵敏度。获得最佳 f1-score 的模型在没有和使用重新采样技术时的值分别为 0.379 和 0.465,后者增长了 22.69%。因此,通过构建模拟数据可以开发基于机器学习模型的决策支持工具,从而提高空战中的飞行质量,增加攻击特定目标的有效性。
Jul, 2022
该研究论文介绍了一种利用机器学习方法来在山区进行天气预测的方法,使用当前观测数据和周围平原预测数据进行插值,以间接地结合数值模拟和机器学习。同时还探讨了在降水预测中使用二元交叉熵的方法。
Aug, 2023
利用 Sentinel-5P 卫星、气象条件和拓扑特征的数据,本研究引入了一系列机器学习模型来预测未来 5 种主要污染物的水平。通过在米兰都市区进行的实验,这些模型在预测未来一天的污染物水平方面表现出了良好的效果,误差率约为 30%。该研究对提升我们对城市空气质量动态的理解以及强调结合卫星、气象和地形数据来开发强大的污染物预测模型的重要性做出了贡献。
May, 2024
使用支持向量回归(SVR)方法,结合灰狼优化(GWO)和粒子群优化(PSO)算法来预测每小时 PM2.5 浓度,得到了可靠和准确的模型,适用于类似的研究应用。
Jul, 2024
本研究聚焦于使用径向基函数支持向量机算法对小行星轨道进行分类,研究结果表明这种方法在数据集方面效率和准确性均较好,并给出最佳参数设置,研究强调了使用机器学习技术分类小行星轨道的重要性及该算法的有效性。
Jun, 2023
本文介绍了 Relevance Vector Machine,它是一种概率模型,其功能形式相当于 Support Vector Machine,提供完整的预测分布,并且需要更少的核函数。我们展示了如何通过变分推理在完全贝叶斯范式内构建和解决 RVM,并给出超参数的后验分布。我们用人工合成和实际例子证明了变分 RVM 的实用性和性能。
Jan, 2013