文献类型：期刊文章

作　　者：王军[1,2] 彭明[1] 程勇[2]

WANG Jun;PENG Ming;CHENG Yong(College of Computer ＆ Software,Nanjing University of Information Science ＆ Technology,Nanjing Jiangsu 210044,China;Information Construction ＆ Management Department,Nanjing University of Information Science ＆ Technology,Nanjing Jiangsu 21004,China)

机构地区：[1]南京信息工程大学计算机与软件学院,江苏南京210044 [2]南京信息工程大学信息化建设与管理处,江苏南京210044

出　　处：《计算机仿真》

基　　金：国家自然科学基金资助项目(61373064;61402236);赛尔网络下一代互联网技术创新项目(NGII20160318);江苏省"六大人才高峰"项目(2013-DZXX-019;2015-DZXX-015);江苏省"六大人才高峰"创新人才团队项目(TD-XYDXX-004)

年　　份：2018

卷　　号：35

期　　号：9

起止页码：445-449

语　　种：中文

收录情况：BDHX、BDHX2017、JST、ZGKJHX、核心刊

摘　　要：降雨是众多气象要素相互作用的结果,气象数据具有类型复杂、不定性、产生速度快、数据量大等特点,增大了降雨预测模型处理气象数据的难度。针对降雨预测方法要求气象要素之间相互独立,但很多气象要素相互关联,降低了预测的准确性和效率的问题,为了提高降雨等级的预测准确性与效率,提出一种基于Map Reduce的改进加权朴素贝叶斯算法(WMNBC)。首先根据气象数据相应条件属性、类属性及其它所有条件属性三者之间的相关程度,提出一种信息密度的概念,并结合对应条件属性取值数目设计一个新的属性赋权方法,然后建立基于MapReduc的WMNBC降雨等级预测模型,最后对实际降雨等级进行仿真测试。仿真结果表明,相比NBC和HWNN算法,WMNBC算法可以更加准确的预测降雨等级并提高预测效率,为降雨等级预测提供了新的途径。

关 键 词：降雨等级  朴素贝叶斯分类 信息密度 属性赋权  

分 类 号：TP391.9]