崔志强
DOI：10.16660/j.cnki.1674-098X.2017.25.110
摘 要：当今世界上比较重要的问题就是气象预报问题，要想获得准确的气象预测就要利用先进的方法。本文论述了数据挖掘技术在气象预报研究中的运用，对于相关概念和特点进行介绍，掌握数据挖掘方法在气象预报当中应用的最新进展，明确数据挖掘方法的优势和缺点，以期为相关的研究提供理论基础，促进我国气象预报的研究进展。
关键词：数据挖掘技术 气象预报 研究
中图分类号：TP311 文献标识码：A 文章编号：1674-098X（2017）09（a）-0110-02
当前在天气预报中利用数据挖掘技术通常都是运用统计学计算方法，在气象预报工作中利用数据挖掘技术，分析气象预报中的各种数据。此外可以利用软计算方法，建立气象数据模型，对于相关的气相数据进行分析。
1 数据挖掘技术在气象预报研究中的运用
1.1 人工神经网络方法
人工神经网络连接各种节点，形成计算模型。在计算模型中，每个节点都具备相应的函数，利用其自身的良好性能可以将系统中的各种问题解决，这就是所谓的激励函数。人工神经网络具有很大规模的自适应系统，可以建立相关的记忆，通过相关的方式，可以对比未来情况中比较接近的部分。人工神经网络系统和传统方法具有一定的相同点，那么人们可以在天气预报中利用人工神经网络方法，这种方法具有比较高的准确率，但是仍旧存在一些缺陷，如果不进行改进，对于气象预报的发展和应用就会发挥阻碍作用。
1.2 遗传计算方法
这种方法通常都是借助生物遗传方式，获得新的搜索算法，在实际运行过程中不需要利用相关信息，自身具有通用性，在对全局优化信息进行处理的过程中进行利用可以发挥出一定的优势。人们利用遗传算法进行气象预报，可以获得集成性的结果，其预报准确率也比较高，但是仍旧存在一定的缺陷，在实施局部搜索的过程中，搜索的能力比较差，在分析计算当中利用遗传计算方法，消耗的时间会比较长，要将这些缺陷解决，才可以在天气预报中更好地利用这种方法。
1.3 支持向量机方法
近些年相关工作人员逐渐开始重视支持向量机，自身具备很大的优势。在各种模型当中利用支持向量机方法，维数等各种素质不会对其造成影响，这种方法具有很高的精确度，实际运行的速度也比较快，在处理较小规模数据的时候可以利用这种方式。此外向量机方法具有良好的泛化和抗过敏能力，在预报比较复杂的气象的时候，可以获得更加准确的数据。研究人员通过实践表明，实际气象预报中非常适合利用这种方法。虽然这种方法具有优秀的整体性能，但仍旧存在很大的不足，例如在处理较大规模问题的时候，其处理速度比较慢，如果处理的问题种类比较多，仍旧存在一定的困难。这些不足之处导致在实际气象预报中无法全面应用这种方法。
1.4 贝叶斯方法
这种方法主要原理就是全面综合了相关的信息，利用贝叶斯公式进行运算，最后得到的信息就是气象预报信息。利用这种方法具有一定的准确性，在这方面信息的准确性是非常重要的，信息准确度越高，就会获得越高的准确性。贝叶斯方法具有良好的推理能力，如果相关信息不够完整，也可以将推理工作顺利完成，获得良好的气象预报效果。因为这些优势，可以在气象预报中有效地达到气象预报效果。但是在实际工作中，贝叶斯方法理论仍旧存在很多问题没有得到解决，利用的方式就缺乏合理性。
1.5 关联规则挖掘方法
关联规则挖掘方法的主要原理就是对于以往的数据进行分析和调查，在庞大的数据库中获得需要的资料。在实际应用过程中，需要以此为基础，进一步深化相关的研究，再利用这种方法进行实际预测。通过相关的研究可以明确，这种方法和其他方式相比更加容易应用，比较通俗，人们可以熟练进行应用。利用关联规则挖掘方法可以分析和预测以往的数据，将气象预报的准确度不断提高，可以十分精准地预测气象产生的变化。利用关联挖掘方法也存在一定的缺点，一方面可能会面对很多的候选集，另一方面可能会重复扫描出现的数据库。这样一来在实际气象预报中就无法直接利用关联规则挖掘方法。
1.6 决策树方法
利用决策树方法，可以实现对挖掘数据的自动分类，以规则的形式为基础，自动分类数据。决策树方法通常都是以图形化方式将数据挖掘结果表示出来，理论知识比较简单，很容易就会懂，因此也比较容易做出判断，在天气预测等各个方面得到广泛的利用。此外需要注意到决策树存在的一些缺点，对于连续数据来说不方便另一个决策树算法，对于缺失数据来说也很难利用决策树算法，对于决策树的生成会造成很大的影响。
2 未来的研究重点和展望
利用传统的统计预报方法，无法在短期内获得很大的收获，我国计算机计算速度不断得到提高，因此出现了数值预报方法并得到广泛应用，在气象预报工作中已经成为非常重要的方式，但是具体的数值预报方法都存在一定的缺陷和问题，可以通过改进不断提高其运行效率和准确率。当前我国开始重点研究气象预报技术，重点研究利用数据挖掘技术已经获取一定的突破性成果，在很多方面已经获得突破性的成绩，但是很多理论和方法仍旧不够成熟，需要利用有效的气象数据挖掘方法，使预报能力不断得到提高。当前全球变暖的趋势愈演愈烈，时常发生灾害性天气，很难预测未来的天气，因此这种工作就显得非常重要。
审视当前基于数据挖掘的气象预报技术的研究进展，可以明确当前需要突破的重点和难点问题包括加快学习的速度，减少计算花费的时间，避免过度训练使泛化性能不断提高。利用正确的方式选择预报因子，可以使预报的准确度得到全面的提高。在气象数据挖掘和气象预报中利用优秀的智能计算方法，使预报的质量得到不断提高。气象数据自身具备特殊性和复杂性，利用传统的数据挖掘数据预处理方法无法适应当今的发展需求。数据预处理算法可以利用复杂气象数据特点，将预报质量不断提高，这也是当今重要的研究方向。在气象预报技术应用中，应用比较广泛的就是数据挖掘技术，其利用的方法都属于隐模型的建模方法，缺乏可解释性，这样就无法获得新的气象规律知识。因此需要加大力度研究具有很强可解释性的数据挖掘方法。
数据挖掘技术在气象预报研究发展过程中，需要利用更多有效的数据挖掘算法深入气象预报的研究，也可以在其他气象领域中利用探索数据挖掘方法。我国计算机计算能力发展的速度越来越快，人们已经开始关注中长期的气象预报，当前气象学者主要研究的问题就是在中长期的气象预报当中如何更好地利用数据挖掘的方法准确预报。
3 结语
通过本文，对于数据挖掘技术在气象预报研究中的运用进行全面的分析，对其未来的发展方向进行简单的论述，以促使我国气象预报变得更加精准，为相关的研究提供参考。
参考文献
[1]李宏伟.基于关联规则的數据挖掘技术在中长期水文预报中的应用[J].人民珠江，2013（6）：21-25.
[2]刘兴红，邹志云，刘景全，等.数据挖掘技术用于间歇蒸馏过程转馏分点的在线预报[J].计算机与应用化学，2012（1）：122-126.
[3]杜唐.浅谈基于云计算及关联规则挖掘技术的气象数据发掘[J].智能城市，2016（10）：34.
[4]张弛，王本德，李伟.数据挖掘技术在水文预报中的应用及水文预报发展趋势研究[J].水文，2017（2）：74-77，85.
[5]邱声春.数据挖掘和数据融合技术在天气预报和气象服务中的应用研究[J].山西气象，2017（2）：34-36.
[6]王丽珍，王星群，陈涛，等.基于时序数据挖掘的澜沧江流域气象预报系统（英文）[J].云南大学学报：自然科学版，2014（6）：479-485，491.endprint
