.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
近年来，龙卷风早期预警和预报开始结合人工智能（AI）和机器学习（ML）算法以提高识别效率。将机器学习算法应用于龙卷风检测时通常会遇到类别不平衡问题，因为龙卷风在天气过程中属于罕见事件。基于雷达数据，提出了一种ADASYN-LOF算法（ALA）来解决龙卷风样本集的不平衡问题。自适应合成（ADASYN）采样算法通过增加少数类样本数量来解决不平衡问题，并结合局部离群因子（LOF）算法来降噪合成样本。通过支持向量机（SVM）、人工神经网络（ANN）和随机森林（RF）模型测试了ALA算法的性能。结果表明，ALA算法能够提升模型的性能和抗噪声能力，显著提高龙卷风识别率，并具有增加早期龙卷风预警时间的潜力。与ADASYN、合成少数过采样技术（SMOTE）和SMOTE-LOF算法相比，ALA在预处理SVM和ANN的不平衡数据方面更为有效。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息