《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Logistic回归建立霜自动判识模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。