搜索资源列表
FORTRANtxt
- fortran处理txt格式的气象数据。-txt format fortran handling of meteorological data.
EOF
- EOF为经验正交分解，实现数据的时空分离。是处理气象资料的经典程序-EOF for the empirical orthogonal decomposition, spatial and temporal separation of data. To deal with the classic procedures for meteorological data
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
EOF
- 气象EOF分析fortran程序，可用于数据量相对较少的处理。数据量大运行的时间较长-EOF analysis of meteorological fortran program
Gaussfilter
- 高斯频域滤波的fortran程序，作者是李建平等，气象海洋数据处理常用到-Fortran Gaussian frequency domain filtering procedure, the author is Li Jianping, etc., meteorological data processing common to maritime
GM12
- 气象类观测数据，非线性时间序列，gm12模式数据处理-comuputaion of data from gm12 mode
GM11
- 用于气象类观测数据，非线性时间序列，GM1模式数据处理-comptutation data
readSA
- 读取气象雷达基数据（SA），能够实现产品显示和二次处理-Read the meteorology of Base data (SA), to be able to display and secondary treatment
rewrite
- fortran程序，用于气象上对数据的维数进行处理，使其可以应用于eof分解-fortran program for meteorology dimension of the data processed so that it can be applied to eof decomposition
task5
- 气象统计作业 对数据处理 并进行拟合 对比 多项式拟合-Meteorological data processing and statistical operations on polynomial fitting contrast
EOF，SVD的matlab程序
- 有关气象海洋常用的EOF和SVD的matlab程序，包括前期处理数据，进行EOF分解和SVD分解的关键步骤以及检验过程
huatusheji
- 气象数据的C#算法处理与画图，很重要，可以参考。-Meteorological data processing and mapping C# algorithm, it is important to refer to.
MK
- 根据中国气象站点数据，经过处理，对其进行突变分析。(According to the data of China Meteorological Station, the mutation analysis was carried out.)
wo
- 可以对气象站点批量读取，可以对气象数据进行筛选鉴别，批量写入文件，并且是按站点按照月份读取每年的数据。(It can read the meteorological stations in batches, identify meteorological data, write files in batches, and read yearly data according to month.)
SVM_Short-term-Load-Forecasting2
- 本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。(this