畢業(yè)設(shè)計(jì)答辯模板31張幻燈片

1、樸素貝葉斯降雨預(yù)測(cè)分類器控制科學(xué)與工程學(xué)院 2019級(jí) 牛景昊2019年樸素貝葉斯降雨預(yù)報(bào)分類器控制科學(xué)與工程學(xué)院2019級(jí)自動(dòng)化 xxx畢業(yè)設(shè)計(jì)答辯報(bào)告寫在最前，一點(diǎn)廢話，跟模板無關(guān)。2019年時(shí)值本科畢業(yè)之際，畢業(yè)答辯卻沒找到“世一大”的專屬模板，遺憾之余，略有傷感，故根據(jù)新的標(biāo)識(shí)和色調(diào)做了這個(gè)模板，不是畢設(shè)使用大概也可以。私以為畢業(yè)論文的答辯，要兼顧學(xué)術(shù)的沉穩(wěn)嚴(yán)謹(jǐn)，也要在風(fēng)格上有所跟進(jìn)?？上Ш芏嚓惻f的分享在色調(diào)風(fēng)格上已經(jīng)和最新的山大標(biāo)識(shí)系統(tǒng)相去甚遠(yuǎn)。相信山大藏龍臥虎，只是網(wǎng)上能看到可以分享的卻不多。思忖再三還是把這個(gè)半成的版本分享出來，拍磚也好，鼓勵(lì)也罷，權(quán)當(dāng)一個(gè)青春的注腳。希望以開源的

2、精神，后來者能有更多自己的分享，創(chuàng)作者最開心的事便是作品能被使用，有緣見到這個(gè)PPT的人，盡管去用吧，如果有額外的時(shí)間，給我發(fā)份郵件，讓我也樂一樂。niujinghaooutlook牛景昊 2019.62目錄降雨預(yù)報(bào)與樸素貝葉斯 降雨預(yù)報(bào)的意義 應(yīng)用樸素貝葉斯方法的歷史2. 樸素貝葉斯方法的優(yōu)勢(shì)3. 數(shù)據(jù)的處理 地面觀測(cè)數(shù)據(jù)的獲取 預(yù)報(bào)因子的預(yù)處理4. 分類器性能分析5. 總結(jié)與展望 123453目錄 降雨預(yù)報(bào)的意義 應(yīng)用樸素貝葉斯方法的歷史2. 樸素貝葉斯方法的優(yōu)勢(shì)3. 數(shù)據(jù)的處理 地面觀測(cè)數(shù)據(jù)的獲取 預(yù)報(bào)因子的預(yù)處理4. 分類器性能分析5. 總結(jié)與展望 1234541. 降雨預(yù)報(bào)與樸素貝葉

3、斯降雨預(yù)報(bào)的意義：長(zhǎng)期降雨預(yù)測(cè)中期降雨預(yù)測(cè)分鐘級(jí)降雨預(yù)測(cè)保證灌區(qū)糧食生產(chǎn)安全指導(dǎo)階段性計(jì)劃安排提醒出行是否攜帶雨具1234551. 降雨預(yù)報(bào)與樸素貝葉斯降雨預(yù)報(bào)方法的發(fā)展史：17世紀(jì)初使用儀器測(cè)量進(jìn)行預(yù)報(bào)開始使用統(tǒng)計(jì)學(xué)進(jìn)行預(yù)報(bào)20世紀(jì)八十年代20世紀(jì)初數(shù)值預(yù)報(bào)產(chǎn)品開始發(fā)展1234561. 降雨預(yù)報(bào)與樸素貝葉斯應(yīng)用樸素貝葉斯方法的降水預(yù)報(bào)：1983年 krzysztofowicz ： 將數(shù)值預(yù)報(bào)值作為預(yù)報(bào)因子，進(jìn)行預(yù)報(bào)模型修訂。2019年 James N. K. Liu等： 利用香港地區(qū)的氣候數(shù)據(jù)資料作為預(yù)報(bào)因子，進(jìn) 行了降雨量的分級(jí)預(yù)報(bào)模擬。2019年 Valmik B Nikam等： 利用印

4、度氣象部(IMD)的地面觀測(cè)數(shù)據(jù)作為預(yù)報(bào)因 子，進(jìn)行了降雨強(qiáng)度預(yù)測(cè)，取得良好精度。123457目錄降雨預(yù)報(bào)與樸素貝葉斯 降雨預(yù)報(bào)的意義 應(yīng)用樸素貝葉斯方法的歷史 3. 數(shù)據(jù)的處理 地面觀測(cè)數(shù)據(jù)的獲取 預(yù)報(bào)因子的預(yù)處理4. 分類器性能分析5. 總結(jié)與展望 123452. 樸素貝葉斯方法的優(yōu)勢(shì)82. 樸素貝葉斯方法的優(yōu)勢(shì)樸素貝葉斯分類器：1234592. 樸素貝葉斯方法的優(yōu)勢(shì)樸素貝葉斯分類器：歸為Kmax 類別 根據(jù)類條件概率獨(dú)立的設(shè)定12345102. 樸素貝葉斯方法的優(yōu)勢(shì)樸素貝葉斯的優(yōu)勢(shì)：樸素貝葉斯方法的特點(diǎn)氣候測(cè)量數(shù)據(jù)的特點(diǎn) 條件獨(dú)立假設(shè)意味著各個(gè)特征之間分布相互獨(dú)立，對(duì)于潛在的高維預(yù)報(bào)因子

5、減少了維數(shù)災(zāi)難的風(fēng)險(xiǎn)。 隨著測(cè)量技術(shù)發(fā)展，降水預(yù)報(bào)因子維度增加，而且因子之間的關(guān)系很難獲知。 模型結(jié)構(gòu)上，樸素貝葉斯具有天生的簡(jiǎn)單性，不需要很大的訓(xùn)練數(shù)據(jù)樣本就能發(fā)揮較好的分類效果。 具體精確到某種劃分的有參考價(jià)值的氣候歷史數(shù)據(jù)可能并不多，早期的記錄也很可能不全或缺少某些特征。12345112. 樸素貝葉斯方法的優(yōu)勢(shì)樸素貝葉斯的優(yōu)勢(shì)： 樸素貝葉斯分類器類條件概率獨(dú)立的假設(shè)，雖然在很多實(shí)際問題中難以滿足，包括降水預(yù)測(cè)的問題，但很多研究表明15 16 ，即便在這一假設(shè)并不滿足的的前提下，樸素貝葉斯相比與其他算法，依然可以保持較好的分類準(zhǔn)確度。15 P.Domingos and M. Pazzani

6、, Beyond independence: conditions for the optimality of the simple Bayesian classier, Mach. Learn. 29.103-130. 2019 16 Zhang, Harry.The Optimality of Naive Bayes. FLAIRS2019 conference.1234512目錄降雨預(yù)報(bào)與樸素貝葉斯 降雨預(yù)報(bào)的意義 應(yīng)用樸素貝葉斯方法的歷史2. 樸素貝葉斯方法的優(yōu)勢(shì) 地面觀測(cè)數(shù)據(jù)的獲取 預(yù)報(bào)因子的預(yù)處理4. 分類器性能分析5. 總結(jié)與展望 123453. 數(shù)據(jù)的處理133.數(shù)據(jù)的處理樣本

7、點(diǎn)預(yù)報(bào)因子1預(yù)報(bào)因子2預(yù)報(bào)因子n分類器降雨級(jí)別0時(shí)刻測(cè)量數(shù)據(jù)24小時(shí)預(yù)測(cè)降水情況訓(xùn)練集歷史測(cè)量數(shù)據(jù)12345輸入輸出分類器的結(jié)構(gòu)143.數(shù)據(jù)的處理12345預(yù)報(bào)因子日最高溫日蒸發(fā)量日風(fēng)速日濕度值歷史測(cè)量值和降雨情況24小時(shí)降水量的分級(jí)預(yù)測(cè)需要獲得的數(shù)據(jù)153.數(shù)據(jù)的處理12345中國(guó)氣象局(CMA)歐洲中期天氣預(yù)報(bào)中心（ECMWF）美國(guó)國(guó)家海洋和大氣管理局（NOAA)地面觀測(cè)數(shù)據(jù)的獲取：16數(shù)據(jù)庫名稱可下載數(shù)據(jù)種類數(shù)據(jù)確認(rèn)數(shù)據(jù)格式大類：7種（大類下含若干子類）確定TEXT子類：30種不確定GRIB、NC降水量、高溫極值、低溫極值確定PDF、CSV、TEXT其他子類：50種不確定3.數(shù)據(jù)的處理1

8、2345地面觀測(cè)數(shù)據(jù)的獲?。簢?guó)外的氣象交換數(shù)據(jù)存在部分遺失173.數(shù)據(jù)的處理12345地面觀測(cè)數(shù)據(jù)的獲取：預(yù)報(bào)因子大類子類單位氣壓平均本站氣壓0.1hPa日最高本站氣壓日最低本站氣壓氣溫平均氣溫0.1日最高氣溫日最低氣溫蒸發(fā)量小型蒸發(fā)量0.1mm大型蒸發(fā)量相對(duì)濕度平均相對(duì)濕度1%風(fēng)向風(fēng)速平均風(fēng)速0.1m/s最大風(fēng)速極大風(fēng)速日照時(shí)數(shù)日照時(shí)數(shù)0.1小時(shí)0cm地溫平均地表氣溫0.1日最高地表氣溫日最低地表氣溫中國(guó)氣象局URF_CLI_CHN_MUL_DAY_CES_V3.0數(shù)據(jù)庫濟(jì)南觀測(cè)站2019年到2019年5-9月歷史數(shù)據(jù)（1530條）183.數(shù)據(jù)的處理12345預(yù)報(bào)因子的預(yù)處理：預(yù)報(bào)因子大類子

9、類單位氣壓平均本站氣壓0.1hPa日最高本站氣壓日最低本站氣壓氣溫平均氣溫0.1日最高氣溫日最低氣溫蒸發(fā)量小型蒸發(fā)量0.1mm大型蒸發(fā)量相對(duì)濕度平均相對(duì)濕度1%風(fēng)向風(fēng)速平均風(fēng)速0.1m/s最大風(fēng)速極大風(fēng)速日照時(shí)數(shù)日照時(shí)數(shù)0.1小時(shí)0cm地溫平均地表氣溫0.1日最高地表氣溫日最低地表氣溫 預(yù)報(bào)因子在形式上是連續(xù)值，如果要應(yīng)用樸素貝葉斯分類器，主要有兩種思路：1.假設(shè)特征值服從某種已知分布，如正態(tài)分布；2.另一種是對(duì)連續(xù)值進(jìn)行離散化處理。平均最高最低193.數(shù)據(jù)的處理12345預(yù)報(bào)因子的預(yù)處理：1.假設(shè)特征值服從正態(tài)分布；2. 對(duì)連續(xù)值進(jìn)行離散化處理。等寬離散化(Equal-width Discr

10、etization) ： 間隔寬度相等等頻率離散化(Equal-frequency Discretization) ： 每個(gè)間隔中樣本點(diǎn)數(shù)目相等計(jì)算熵值離散化(Entropy-based Discretization) ： 根據(jù)劃分前后熵值做標(biāo)準(zhǔn)20結(jié)束熵值計(jì)算的離散化算法(MDLP準(zhǔn)則)偽代碼1234567891011121314151617起始iminiminE(S) E(Xj=T) MDLP Gain213.數(shù)據(jù)的處理12345濟(jì)南市日最高溫預(yù)報(bào)因子為例：離散化后天數(shù)天數(shù)離散化前原本1030組訓(xùn)練數(shù)據(jù)被分為6個(gè)間隔22目錄降雨預(yù)報(bào)與樸素貝葉斯 降雨預(yù)報(bào)的意義 應(yīng)用樸素貝葉斯方法的歷史2.

11、 樸素貝葉斯方法的優(yōu)勢(shì)3. 數(shù)據(jù)的處理 地面觀測(cè)數(shù)據(jù)的獲取 預(yù)報(bào)因子的預(yù)處理 5. 總結(jié)與展望 123454. 分類器性能分析234. 分類器性能分析12345分類器+1預(yù)報(bào)準(zhǔn)確率Rc244. 分類器性能分析12345分類器+1降雨預(yù)測(cè)準(zhǔn)確率Rr+0 濟(jì)南市即使在5-9月，每天下雨的先驗(yàn)概率依然較低，所以Rr 對(duì)于評(píng)價(jià)分類器利用先驗(yàn)以外能力很有價(jià)值。254. 分類器性能分析123451.直接假設(shè)預(yù)報(bào)因子服從正態(tài)分布的效果并不理想264. 分類器性能分析123452.二分類的分類誤差普遍比四分類要小274. 分類器性能分析123453.雖然消耗了更多時(shí)間，但基于熵值進(jìn)行的離散化對(duì)有降水樣本的分類

12、更好，說明其更好的利用了先驗(yàn)概率以外的信息。28目錄降雨預(yù)報(bào)與樸素貝葉斯 降雨預(yù)報(bào)的意義 應(yīng)用樸素貝葉斯方法的歷史2. 樸素貝葉斯方法的優(yōu)勢(shì)3. 數(shù)據(jù)的處理 地面觀測(cè)數(shù)據(jù)的獲取 預(yù)報(bào)因子的預(yù)處理4. 分類器性能分析 123455. 總結(jié)與展望295. 總結(jié)與展望12345主要挑戰(zhàn)與收獲：1530條數(shù)據(jù)存儲(chǔ)在736個(gè)文件中，每個(gè)文件數(shù)據(jù)維度大約為10，需要從中提取出有效數(shù)據(jù)，并識(shí)別和改寫噪聲數(shù)據(jù)、空測(cè)量點(diǎn)。預(yù)報(bào)因子皆為連續(xù)值，為獲得較好的分類效果需要嘗試多種離散方法。分類器算法實(shí)現(xiàn)皆為個(gè)人獨(dú)立編寫，熟悉了收集實(shí)際數(shù)據(jù)到分析結(jié)構(gòu)、設(shè)計(jì)模型和實(shí)現(xiàn)算法的過程，實(shí)踐能力得到很好提升。 本模板完全原創(chuàng)，根據(jù)山大新標(biāo)識(shí)系統(tǒng)色調(diào)設(shè)計(jì)，無版權(quán)費(fèi)用問題。如有幸被您使用，請(qǐng)郵件告知我，作者會(huì)感到欣慰。 牛景昊 2019.6P.S.如需無水印版本，請(qǐng)郵件與我聯(lián)系niujinghaooutlook同學(xué)你