山东大学毕业设计答辩ppt模板课件.pptx

《山东大学毕业设计答辩ppt模板课件.pptx》由会员分享，可在线阅读，更多相关《山东大学毕业设计答辩ppt模板课件.pptx（31页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、朴素贝叶斯降雨预测分类器控制科学与工程学院 2011级 牛景昊2015年2写在最前，一点废话，跟模板无关。2015年时值本科毕业之际，毕业答辩却没找到“世一大”的专属模板，遗憾之余，略有伤感，故根据新的标识和色调做了这个模板，不是毕设使用大概也可以。私以为毕业论文的答辩，要兼顾学术的沉稳严谨，也要在风格上有所跟进。可惜很多陈旧的分享在色调风格上已经和最新的山大标识系统相去甚远。相信山大藏龙卧虎，只是网上能看到可以分享的却不多。思忖再三还是把这个半成的版本分享出来，拍砖也好，鼓励也罢，权当一个青春的注脚。希望以开源的精神，后来者能有更多自己的分享，创作者最开心的事便是作品能被使用，有缘见到这个P

2、PT的人，尽管去用吧，如果有额外的时间，给我发份邮件，让我也乐一乐。牛景昊 2015.61.降雨预报与朴素贝叶斯 降雨预报的意义 应用朴素贝叶斯方法的历史2. 朴素贝叶斯方法的优势3. 数据的处理 地面观测数据的获取 预报因子的预处理4. 分类器性能分析5. 总结与展望 123453 降雨预报的意义 应用朴素贝叶斯方法的历史2. 朴素贝叶斯方法的优势3. 数据的处理 地面观测数据的获取 预报因子的预处理4. 分类器性能分析5. 总结与展望 1234541. 降雨预报与朴素贝叶斯降雨预报的意义：长期降雨预测中期降雨预测分钟级降雨预测保证灌区粮食生产安全指导阶段性计划安排提醒出行是否携带雨具123

3、4551. 降雨预报与朴素贝叶斯降雨预报方法的发展史：17世纪初使用仪器测量进行预报开始使用统计学进行预报20世纪八十年代20世纪初数值预报产品开始发展1234561. 降雨预报与朴素贝叶斯应用朴素贝叶斯方法的降水预报：1983年 krzysztofowicz ： 将数值预报值作为预报因子，进行预报模型修订。2001年 James N. K. Liu等： 利用香港地区的气候数据资料作为预报因子，进 行了降雨量的分级预报模拟。2013年 Valmik B Nikam等： 利用印度气象部(IMD)的地面观测数据作为预报因 子，进行了降雨强度预测，取得良好精度。1234571.降雨预报与朴素贝叶斯

4、降雨预报的意义 应用朴素贝叶斯方法的历史 3. 数据的处理 地面观测数据的获取 预报因子的预处理4. 分类器性能分析5. 总结与展望 123452. 朴素贝叶斯方法的优势82. 朴素贝叶斯方法的优势朴素贝叶斯分类器：1234592. 朴素贝叶斯方法的优势朴素贝叶斯分类器：根据类条件概率独立的设定12345102. 朴素贝叶斯方法的优势朴素贝叶斯的优势：朴素贝叶斯方法的特点朴素贝叶斯方法的特点气候测量数据的特点气候测量数据的特点 条件独立假设意味着各个特征之间分布相互独立，对于潜在的高维预报因子减少了维数灾难的风险。 随着测量技术发展，降水预报因子维度增加，而且因子之间的关系很难获知。 模型结构

5、上，朴素贝叶斯具有天生的简单性，不需要很大的训练数据样本就能发挥较好的分类效果。 具体精确到某种划分的有参考价值的气候历史数据可能并不多，早期的记录也很可能不全或缺少某些特征。12345112. 朴素贝叶斯方法的优势朴素贝叶斯的优势： 朴素贝叶斯分类器类条件概率独立的假设，虽然在很多实际问题中难以满足，包括降水预测的问题，但很多研究表明15 16 ，即便在这一假设并不满足的的前提下，朴素贝叶斯相比与其他算法，依然可以保持较好的分类准确度。15 P.Domingos and M. Pazzani, Beyond independence: conditions for the optimalit

6、y of the simple Bayesian classier, Mach. Learn. 29.103-130. 1997 16 Zhang, Harry. The Optimality of Naive Bayes. FLAIRS2004 conference.12345121.降雨预报与朴素贝叶斯 降雨预报的意义 应用朴素贝叶斯方法的历史2. 朴素贝叶斯方法的优势 地面观测数据的获取 预报因子的预处理4. 分类器性能分析5. 总结与展望 123453. 数据的处理133.数据的处理12345输入输出分类器的结构143.数据的处理12345预报因子日最高温日蒸发量日风速日湿度值历史测量

7、值和降雨情况24小时降水量的分级预测153.数据的处理12345中国气象局(CMA)欧洲中期天气预报中心（ECMWF）美国国家海洋和大气管理局（NOAA)地面观测数据的获取：16数据库名称数据库名称可下载数据种类可下载数据种类 数据确认数据确认数据格式数据格式大类：7种（大类下含若干子类）确定确定TEXT子类：30种不确定不确定GRIB、NC 降水量、高温极值、低温极值确定确定PDF、CSV、TEXT其他子类：50种不确定不确定3.数据的处理12345地面观测数据的获取：173.数据的处理12345地面观测数据的获取：01000200030004000500060007000800090001

8、23456789101112济南市降雨量月值分布柱状图2014201320122011预报因子大类预报因子大类子类子类单位单位气压气压平均本站气压0.1hPa日最高本站气压日最低本站气压气温气温平均气温0.1日最高气温日最低气温蒸发量蒸发量小型蒸发量0.1mm大型蒸发量相对湿度相对湿度平均相对湿度1%风向风速风向风速平均风速0.1m/s最大风速极大风速日照时数日照时数日照时数0.1小时0cm地温地温平均地表气温0.1日最高地表气温日最低地表气温中国气象局URF_CLI_CHN_MUL_DAY_CES_V3.0数据库济南观测站2005年到2014年5-9月历史数据（1530条）183.数据的处理

9、12345预报因子的预处理：预报因子大类预报因子大类子类子类单位单位气压气压平均本站气压0.1hPa日最高本站气压日最低本站气压气温气温平均气温0.1日最高气温日最低气温蒸发量蒸发量小型蒸发量0.1mm大型蒸发量相对湿度相对湿度平均相对湿度1%风向风速风向风速平均风速0.1m/s最大风速极大风速日照时数日照时数日照时数0.1小时0cm地温地温平均地表气温0.1日最高地表气温日最低地表气温 预报因子在形式上是连续值，如果要应用朴素贝叶斯分类器，主要有两种思路：1.假设特征值服从某种已知分布，如正态分布；2.另一种是对连续值进行离散化处理。193.数据的处理12345预报因子的预处理：1.假设特征

10、值服从正态分布；2. 对连续值进行离散化处理。等宽离散化(Equal-width Discretization) ： 间隔宽度相等等频率离散化(Equal-frequency Discretization) ： 每个间隔中样本点数目相等计算熵值离散化(Entropy-based Discretization) ： 根据划分前后熵值做标准20结束熵值计算的离散化算法(MDLP准则)伪代码1234567891011121314151617起始iminiminE(S) E(Xj=T) MDLP Gain213.数据的处理12345济南市日最高温预报因子为例：离散化后天数离散化前221.降雨预报与朴素

11、贝叶斯 降雨预报的意义 应用朴素贝叶斯方法的历史2. 朴素贝叶斯方法的优势3. 数据的处理 地面观测数据的获取 预报因子的预处理 5. 总结与展望 123454. 分类器性能分析234. 分类器性能分析12345分类器+1预报准确率Rc244. 分类器性能分析12345分类器+1降雨预测准确率Rr+0 济南市即使在5-9月，每天下雨的先验概率依然较低，所以Rr 对于评价分类器利用先验以外能力很有价值。254. 分类器性能分析12345264. 分类器性能分析12345274. 分类器性能分析12345281.降雨预报与朴素贝叶斯 降雨预报的意义 应用朴素贝叶斯方法的历史2. 朴素贝叶斯方法的优

12、势3. 数据的处理 地面观测数据的获取 预报因子的预处理4. 分类器性能分析 123455. 总结与展望295. 总结与展望12345主要挑战与收获：1530条数据存储在736个文件中，每个文件数据维度大约为10，需要从中提取出有效数据，并识别和改写噪声数据、空测量点。预报因子皆为连续值，为获得较好的分类效果需要尝试多种离散方法。分类器算法实现皆为个人独立编写，熟悉了收集实际数据到分析结构、设计模型和实现算法的过程，实践能力得到很好提升。30本模板完全原创，根据山大新标识系统色调设计，无本模板完全原创，根据山大新标识系统色调设计，无版权费用问题。如有幸被您使用版权费用问题。如有幸被您使用，请邮件告知我，作者会请邮件告知我，作者会感到欣慰。感到欣慰。牛景昊牛景昊P.S.如如需无水印版本，请邮件与我联系需无水印版本，请邮件与我联系同学同学你好，我是隐蔽的水印你好，我是隐蔽的水印1.降雨预报与朴素贝叶斯 降雨预报的意义 应用朴素贝叶斯方法的历史2. 朴素贝叶斯方法的优势3. 数据的处理 地面观测数据的获取 预报因子的预处理4. 分类器性能分析5. 总结与展望 1234531P4P8P13P23P29Thanks for Your Attention !如需无水印版本，请邮件与我联系如需无水印版本，请邮件与我联系同学同学你好，我是隐蔽的水印你好，我是隐蔽的水印