1、雷暴天氣是電子時代的一大公害之一。隨著科學技術(shù)的發(fā)展,尤其是氣象科技技術(shù)的發(fā)展,對雷暴天氣預測開展了許多研究工作,也取得了很多成果。但至今還沒有開展雷暴天氣的小尺度(預報尺度:5km×5km)臨近(未來3小時)預報研究。由于雷暴不僅是屬于小尺度氣象,而且其造成的災害相當嚴重。因此,目前防災減災部門正積極開展這方面的研究,研究雷暴天氣的小尺度預報模型是氣象科技研究的重要課題之一。
　　 粗糙集是處理不確定、不完善、不精確的信息的很

2、有效的工具,支持向量機通過平衡VC維和經(jīng)驗風險,達到較好的分類精度和泛化能力。本文將采用粗糙集方法和支持向量機方法,結(jié)合雷電預報自身特點來研究構(gòu)建小尺度(預報尺度:5km×5km)臨近(未來3小時)雷電預報模型。本文主要所完成的工作包括以下幾個方面:
　　 (1)數(shù)據(jù)采集本文使用歷史LAPS氣象資料數(shù)據(jù)及雷電定位數(shù)據(jù)作為實驗數(shù)據(jù)。由于得到的氣象樣本中雷電樣本與非雷電樣本屬于非平衡數(shù)據(jù),論文基于哈夫曼樹思想的采樣算法對樣本進行采樣

3、,使樣本達到平衡。
　　 (2)數(shù)據(jù)的離散化本文運用基于信息熵的屬性離散化算法對連續(xù)數(shù)據(jù)進行離散化,由于離散化后的斷點過多,論文提出改進方法,即引入不一致率的概念對基于信息熵的離散化算法。這不僅提高了效率,而且大大減少了屬性值斷點的個數(shù)。
　　 (3)提出基于屬性約簡的預報因子生成方法本文首先研究基于基數(shù)排序求正域的方法和基于可分辨度的屬性重要度啟發(fā)式函數(shù);其次,對盲目法求屬性約簡的方法進行了改進,使得該算法效率得到提高

4、;然后,基于改進的屬性約簡方法對氣象數(shù)據(jù)進行屬性約簡,提取有效的預報因子。
　　 (4)提出基于結(jié)合粗糙集和支持向量機方法的雷電潛勢預報模型,分別研究了三個模型:
　　 1)基于粗糙集的預測模型;
　　 2)基于SVM的預報模型;
　　 3)將粗糙集與SVM結(jié)合的預報模型,并通過實驗比較分析三種模型的預報準確度及穩(wěn)定性。實驗結(jié)果表明結(jié)合粗糙集與SVM結(jié)合的預報模型比其他兩種預報模型具有更好的預報準確度和穩(wěn)