基于SVM 的溫度預測回歸模型

孟田華，盧玉和，丁少軍，高清蘭，黃榮

（1.山西大同大學物理與電子科學學院，大同037009；2.大同市氣象局，大同037010）

0 引言

天氣溫度對人們的生存生活有著重要的影響，特別是一天中的最高溫度和最低溫度。但由于影響短期溫度變化的機制和要素非常復雜，采用傳統常用的天氣預測方法，如天文學相關高空氣象圖解析天氣法的成本較高[1]，而利用天氣預測儀THE-860 可預測范圍又很有限，不便于推廣[2,3]。作為機器學習的一個重要分支，支持向量機（SVM）在小樣本分類、回歸等方面體現出獨特的優勢，因其無需大量樣本和經驗假設，在實現經驗風險最小化和結構風險最小化的同時亦可避免過擬合現象。目前，該智能機器學習方法已在很多領域得到成功的應用[4-10]。此外，歷年天氣溫度的數據容易在網上獲取，故基于機器學習方法的預測便顯得更加經濟實用。

本文以山西省大同市為例，利用SVM 基于Python爬取網頁所獲得的大量天氣溫度數據，建立了可預測未來一天天氣的最高溫和最低溫SVM 回歸模型[11-17]。利用此預測模型可根據歷史天氣溫度的數據有效預測當地的溫度情況，具有一定的推廣意義。此外SVM 的準確率高且泛化能力強，具有良好的預報能力。

1 SVM模型的預測和檢驗樣本

1.1 樣本數據的獲取

樣本數據獲取采用Python 爬蟲技術，即利用Py?thon 抓取網頁天氣數據，其原理是模擬網頁瀏覽器，通過調用Python 的requests 庫和re 模塊，加載需要爬取的網頁信息，用正則表達式從網頁信息中提取出我們需要的天氣數據，并將其保存下來并進行后期的數據分析和整理。具體方法如下：

（1）目標站點的分析

我們所獲取天氣數據的目標站點是：http://www.qixiangtai.org/2011datongxian4yuetianqi/，其目標站點的URL 和網頁源碼（HTML）如圖1 所示。

圖1 網頁的URL和HTML

通過對網頁上的URL 分析可知，http://www.qixi?angtai.org 為歷史天氣網的主站點，2011datongxian4yue?tianqi 則表示該頁面是大同2011 年4 月的天氣數據，因此只要通過改變URL 里的參數即可得出近8 年96個月任何一天的天氣溫度數據。由HTML 可知，需要爬取的數據日期，最高氣溫和最低氣溫分別由（）標簽包圍，其上的父節點的標簽（）包含了需要爬取的一天中所有信息，其中我們所需要的日期是一個“title”，溫度可以直接用正則表達式提取。

（2）溫度數據的爬取

調用request 庫，采用get 方式獲取URL，如果請求狀態的狀態碼為200，即請求正常，則將從服務器獲取網頁源代碼，否則返回無，并將其定義為函數，代碼為：

采用正則表達式的方式對網頁信息進行提取，將抓取到的一個HTML 當作一個字符串，先采用.*?的非貪婪方式匹配此字符串并調用re 模塊中的compile（）函數返回一天的天氣溫度，得到一次匹配結果后，再用re 模塊里的re.findall（）函數對HTML 里所有符合上述匹配模式的字符進行匹配，得到整個月的所有最高溫度和最低溫度匹配結果，考慮到每天的最高溫度和最低溫度要分別抓取，這里采用字典遍歷匹配結果，用yelid（）生成器提取出字符串里的日期+最高溫度或者日期+最低溫度。其中item[1]表示爬取最高氣溫，item[2]表示爬取最低氣溫，將上述解析HTML 過程定義為一個函數：

用一個for 循環將URL 里的每個月用一個字符串寫入便可得到一年的數據，考慮到網站服務器，用time.sleep（1）將時間延遲一秒。代碼如下：

所爬取溫度數據的部分結果見圖2，其中顯示了2011 年4 月最低氣溫的部分數據。

圖2 爬取數據的部分結果

1.2 數據集的建立

我們將前面所獲取的大同市市區近8 年每日天氣的最高溫度和最低溫度數據導入到Excel 文本里，然后對其格式進行調整以滿足SVM 建模所要求的形式，并將修改后的數據以txt 文本的形式導出，部分數據集如表1 和表2 所示。

表1 最高溫樣本集（℃）

表2 最低溫樣本集（℃）

2 SVM大同市溫度回歸模型

2.1 回歸模型的建立

利用上述訓練樣本建立SVM 大同市溫度預測回歸模型，其中當前溫度為目標值，前10 天的溫度為特征值，這是10 元線性回歸問題，即一個樣本有10 個特征的線性回歸問題：

其中ω是待求值，x 為特征值，y 為目標值。回歸模型的建立就是為了找到參數向量ω，這樣就可以得到一個映射關系，通過這個映射關系得出決策函數，進而利用決策函數實現輸入向量x 得出目標值y。

為了避免各個因子之間的量級差異，對全部數據集進行歸一化（SVM-Scale）處理，使得特征值落在[-1,1]的范圍之間。

常用數據樣本集的處理方法有交叉驗證法，留出法和自助法。針對我們所研究對象的特征，選用k 折交叉驗證法，選取k=10，即十折交叉驗證，分別將最高溫度的200 組數據和最低溫度的180 組數據隨機分成均勻的10 份，將其中9 份作為訓練樣本，剩余1 份作為驗證樣本。

SVM 最初是由感知機發展而來的，感知機是處理分類問題的，回歸是分類的推廣，這里是對天氣溫度的預測，屬于回歸問題，所以，選擇ε-支持向量回歸機（ε-SVR）作為訓練算法。

而常見核函數如下：

高斯核RBF（也稱徑向基核）：可以處理偏非線性問題

線性核linear：只能處理線性問題

Sigmoid（雙曲正切）核：可以處理非線性問題

K(x,xi)=tanh(βx*xi+θ)，

其中：

在DOS 窗口下調用Python2.7、svm-train、pnuplot對訓練樣本進行訓練，分別得到尋優參數c,g,p 的值，其中c 表示ε-SVR 中懲罰系數ε，g 表示RBF 核函數中γ值，p 表示SVR 中的損失函數中的ε，接著根據c,g,p的值進行訓練（svm-train）即可得到一個模型（model）文件，用此SVM 模型對測試樣本進行預測（svm-pre?dict）得出預測結果。

對最高溫度分別用徑向基（RBF）核函數，線性（lin?ear）核函數，sigmoid 核函數訓練，其預測結果的均方差如表3 所示。

表3 最高溫樣本集（℃）

通過比較三種核函數對本問題的預測結果可知，選擇RBF 核函數的均方差最小，可靠性最高，所以本研究選取RBF 作為核函數。我們利用訓練樣本所建立的溫度預測模型參數分別為：預測最高氣溫對應模型參數是=84.8,=0.327441406,=1.65；最低氣溫對應模型參數是=627.2,gˉ=0.005859375,=0.74453125。這里的,,是10 個訓練樣本尋優參數平均值。

2.2 SVM大同市溫度回歸模型的檢驗

我們隨機選取2019 年的部分溫度數據作為測試集，對上述由模型參數所建立好的SVM 最高氣溫預測模型和SVM 最低氣溫預測模型進行驗證，對應的預測結果如表4 和表5 所示。

表4 最高溫樣本集（℃）

表5 最低溫樣本集（℃）

通過比較真實值和預測值，我們可得出最高溫和最低溫預測的整體均方差分別為2.43 和2.66。其中，大多數預測值的絕對誤差在0℃附近，部分數據預測結果雖有偏差，但總體偏差不大，其預測結果相對較好，此結果表明基于SVM 的天氣溫度預測的可靠性與可行性。

3 結語

本研究首先利用Python 爬取國內天氣網歷史天氣溫度的數據，然后利用SVM 對歷史的天氣溫度數據進行建模預測，通過比較三種不同核函數的預測結果，優選出RBF 核函數來建立預測未來天氣溫度的SVM 模型。并隨機選取了2019 年1 月到5 月的部分數據來檢驗我們所建立的最高溫SVM 回歸模型和最低溫SVM 回歸模型，結果顯示其均方差均小于2.7，說明利用SVM 這一方法進行溫度預報是可靠的，且有較強的泛化能力，因而可為天氣預報領域提供一種新的技術手段。