初探支持向量机算法在海洋站观测数据质量控制中的应用  

Preliminary study of marine observation data quality control based on support vector machine algorithm

作　　者：李飞[1] 卢勇夺[1] 林波[1] 陈哲[1] 刘思晗 徐腾[1] 

机构地区：[1]国家海洋环境预报中心,北京100081

出　　处：《海洋预报》2016年第2期66-73,共8页Marine Forecasts

基　　金：国家海洋局海洋公益性行业科研专项(201205006);中国科学院海洋环流与波动重点实验室开放基金课题(KLOCAW1410)

摘　　要：为了有效提高海洋观测数据的质量,初步探索引入了一种统计学习算法——支持向量域描述(SVDD)用于海洋站多要素数据质量控制,建立了一套基于SVDD的多要素数据质控方法。该方法拥有惩罚系数C、RBF核参数、质控调节因子ΔR等多个参数,利用历史样本观测数据训练构建质量控制模型,通过该模型实现海洋观测数据质量控制。本文利用真实观测数据对该方法进行了分析检验,验证了该方法能够有效分析数据质量、发现可疑数据,对提高海洋观测资料的可靠性、科学性具有一定借鉴价值。A statistical learning algorithm, supporting vector domain description（SVDD）, is introduced, and a method of multi factor data quality control based on SVDD is established. Quality control model can be constructed by historical sample observation data, and the quality control of ocean observation data can be realized by the model. In this paper, the method is analyzed by real data, and proved to effectively analyze the data quality and find suspicious data. It has some reference value for improving the reliability and scientific of the marine observation data.

关 键 词：质量控制 SVM SVDD 海洋数据 多要素检验 

分 类 号：P714[天文地球—海洋科学]