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(fù)雜，采用傳統(tǒng)常用的天氣預(yù)測方法，如天文學相關(guān)高空氣象圖解析天氣法的成本較高[1]，而利用天氣預(yù)測儀THE-860 可預(yù)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(xiàn)出獨特的優(yōu)勢，因其無需大量樣本和經(jīng)驗假設(shè)，在實現(xiàn)經(jīng)驗風險最小化和結(jié)構(gòu)風險最小化的同時亦可避免過擬合現(xiàn)象。目前，該智能機器學習方法已在很多領(lǐng)域得到成功的應(yīng)用[4-10]。此外，歷年天氣溫度的數(shù)據(jù)容易在網(wǎng)上獲取，故基于機器學習方法的預(yù)測便顯得更加經(jīng)濟實用。

本文以山西省大同市為例，利用SVM 基于Python爬取網(wǎng)頁所獲得的大量天氣溫度數(shù)據(jù)，建立了可預(yù)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(yù)測模型可根據(jù)歷史天氣溫度的數(shù)據(jù)有效預(yù)測當?shù)氐臏囟惹闆r，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(yù)報能力。

1 SVM模型的預(yù)測和檢驗樣本

1.1 樣本數(shù)據(jù)的獲取

樣本數(shù)據(jù)獲取采用Python 爬蟲技術(shù)，即利用Py?thon 抓取網(wǎng)頁天氣數(shù)據(jù)，其原理是模擬網(wǎng)頁瀏覽器，通過調(diào)用Python 的requests 庫和re 模塊，加載需要爬取的網(wǎng)頁信息，用正則表達式從網(wǎng)頁信息中提取出我們需要的天氣數(shù)據(jù)，并將其保存下來并進行后期的數(shù)據(jù)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(shù)據(jù)的目標站點是：http://www.qixiangtai.org/2011datongxian4yuetianqi/，其目標站點的URL 和網(wǎng)頁源碼（HTML）如圖1 所示。

圖1 網(wǎng)頁的URL和HTML

通過對網(wǎng)頁上的URL 分析可知，http://www.qixi?angtai.org 為歷史天氣網(wǎng)的主站點，2011datongxian4yue?tianqi 則表示該頁面是大同2011 年4 月的天氣數(shù)據(jù)，因此只要通過改變URL 里的參數(shù)即可得出近8 年96個月任何一天的天氣溫度數(shù)據(jù)。由HTML 可知，需要爬取的數(shù)據(jù)日期，最高氣溫和最低氣溫分別由（）標簽包圍，其上的父節(jié)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(shù)據(jù)的爬取

調(diào)用request 庫，采用get 方式獲取URL，如果請求狀態(tài)的狀態(tài)碼為200，即請求正常，則將從服務(wù)器獲取網(wǎng)頁源代碼，否則返回無，并將其定義為函數(shù)，代碼為：

采用正則表達式的方式對網(wǎng)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(diào)用re 模塊中的compile（）函數(shù)返回一天的天氣溫度，得到一次匹配結(jié)果后，再用re 模塊里的re.findall（）函數(shù)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(jié)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(jié)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(shù)：

用一個for 循環(huán)將URL 里的每個月用一個字符串寫入便可得到一年的數(shù)據(jù)，考慮到網(wǎng)站服務(wù)器，用time.sleep（1）將時間延遲一秒。代碼如下：

所爬取溫度數(shù)據(jù)的部分結(jié)果見圖2，其中顯示了2011 年4 月最低氣溫的部分數(shù)據(jù)。

圖2 爬取數(shù)據(jù)的部分結(jié)果

1.2 數(shù)據(jù)集的建立

我們將前面所獲取的大同市市區(qū)近8 年每日天氣的最高溫度和最低溫度數(shù)據(jù)導入到Excel 文本里，然后對其格式進行調(diào)整以滿足SVM 建模所要求的形式，并將修改后的數(shù)據(jù)以txt 文本的形式導出，部分數(shù)據(jù)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(yù)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?；貧w模型的建立就是為了找到參數(shù)向量ω，這樣就可以得到一個映射關(guān)系，通過這個映射關(guān)系得出決策函數(shù)，進而利用決策函數(shù)實現(xiàn)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)和最低溫度的180 組數(shù)據(jù)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(fā)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(yù)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(shù)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(diào)用Python2.7、svm-train、pnuplot對訓練樣本進行訓練，分別得到尋優(yōu)參數(shù)c,g,p 的值，其中c 表示ε-SVR 中懲罰系數(shù)ε，g 表示RBF 核函數(shù)中γ值，p 表示SVR 中的損失函數(shù)中的ε，接著根據(jù)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(yù)測（svm-pre?dict）得出預(yù)測結(jié)果。

對最高溫度分別用徑向基（RBF）核函數(shù)，線性（lin?ear）核函數(shù)，sigmoid 核函數(shù)訓練，其預(yù)測結(jié)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(shù)對本問題的預(yù)測結(jié)果可知，選擇RBF 核函數(shù)的均方差最小，可靠性最高，所以本研究選取RBF 作為核函數(shù)。我們利用訓練樣本所建立的溫度預(yù)測模型參數(shù)分別為：預(yù)測最高氣溫對應(yīng)模型參數(shù)是=84.8,=0.327441406,=1.65；最低氣溫對應(yīng)模型參數(shù)是=627.2,gˉ=0.005859375,=0.74453125。這里的,,是10 個訓練樣本尋優(yōu)參數(shù)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(shù)據(jù)作為測試集，對上述由模型參數(shù)所建立好的SVM 最高氣溫預(yù)測模型和SVM 最低氣溫預(yù)測模型進行驗證，對應(yīng)的預(yù)測結(jié)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(yù)測值，我們可得出最高溫和最低溫預(yù)測的整體均方差分別為2.43 和2.66。其中，大多數(shù)預(yù)測值的絕對誤差在0℃附近，部分數(shù)據(jù)預(yù)測結(jié)果雖有偏差，但總體偏差不大，其預(yù)測結(jié)果相對較好，此結(jié)果表明基于SVM 的天氣溫度預(yù)測的可靠性與可行性。

3 結(jié)語

本研究首先利用Python 爬取國內(nèi)天氣網(wǎng)歷史天氣溫度的數(shù)據(jù)，然后利用SVM 對歷史的天氣溫度數(shù)據(jù)進行建模預(yù)測，通過比較三種不同核函數(shù)的預(yù)測結(jié)果，優(yōu)選出RBF 核函數(shù)來建立預(yù)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(shù)據(jù)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(jié)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(yù)報是可靠的，且有較強的泛化能力，因而可為天氣預(yù)報領(lǐng)域提供一種新的技術(shù)手段。