《表6 本模型与文献[9]中基于Bayes判识模型对砀山站2001-2013年霜判识效果的比较》
表6给出了基于两种算法的霜判识模型对砀山站检验效果。2001-2011年历年10月-翌年4月的观测数据中,基于Logistic回归的霜判识模型的准确率、命中率、漏判率、空判率和TS评分分别为92.7%、92.9%、7.1%、9.6%和84.5%,比基于Bayes判别法的模型6准确率提升了2.6个百分点,命中率下降了1.4个百分点,漏判率增加了1.4个百分点,空判率下降了5.9个百分点,TS评分提升了4.1个百分点;2011-2013年历年10月-翌年4月的观测数据中,基于Logistic回归的霜判识模型的准确率、命中率、漏判率、空判率和TS评分分别为94.8%、93.8%、6.2%、5.2%和89.2%,比基于Bayes判别法的模型6准确率提升了3.0个百分点,命中率下降了2.6个百分点,漏判率增加了2.6个百分点,空判率下降了7.9个百分点,TS评分提升了5.0个百分点。通过文献中训练样本和独立样本检验发现,基于Logistic回归的霜判识模型准确率、空判率、TS评分均优于基于Bayes判别法的霜判识模型,尤其空判率和TS评分提升较为明显,而基于Logistic回归的霜判识模型比基于Bayes判别法的模型6命中率有所下降,漏判率有所增加。为提高对霜的综合判识能力,可以考虑将Logistic回归模型与Bayes判别模型进行结合,应用于霜的判识。
图表编号 | XD0082725200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 朱华亮、温华洋、华连生、金素文、陈菁菁 |
绘制单位 | 安徽省气象信息中心、安徽省气象信息中心、安徽省气象信息中心、安徽省气象信息中心、安徽省气象信息中心 |
更多格式 | 高清、无水印(增值服务) |