作者：王军; 彭明; 程勇降雨等级朴素贝叶斯分类信息密度属性赋权
摘要：降雨是众多气象要素相互作用的结果，气象数据具有类型复杂、不定性、产生速度快、数据量大等特点，增大了降雨预测模型处理气象数据的难度。针对降雨预测方法要求气象要素之间相互独立，但很多气象要素相互关联。降低了预测的准确性和效率的问题，为了提高降雨等级的预测准确性与效率，提出一种基于MapReduce的改进加权朴素贝叶斯算法（WMNBC）。首先根据气象数据相应条件属性、类属性及其它所有条件属性三者之间的相关程度，提出一种信息密度的概念，并结合对应条件属性取值数目设计一个新的属性赋权方法，然后建立基于MapRedue的WMNBC降雨等级预测模型，最后对实际降雨等级进行仿真测试。仿真结果表明，相比NBC和HWNN算法，WMNBC算法可以更加准确的预测降雨等级并提高预测效率，为降雨等级预测提供了新的途径。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
