洛丽斯·福雷斯蒂;图亚，迪维斯;米哈伊尔·卡内夫斯基;阿列克谢·波兹德努霍夫 使用多个内核学习风场。 （英语） Zbl 1421.86019号 斯托克。环境。Res.风险评估。 25，第1号，51-66（2011）. 摘要：本文提出了多核学习（MKL）回归作为探索性空间数据分析和建模工具。MKL方法是作为支持向量回归的扩展引入的，其中MKL使用专用内核将给定任务划分为子问题，并以有效的方式分别处理它们。它以更复杂的数值优化为代价，为非线性稳健核回归提供了更好的解释性。特别是，我们研究了MKL作为一种工具的使用，它允许我们避免在复杂地形的统计模型中使用特殊地形指数作为协变量。相反，MKL以非参数方式从数据中学习这些关系。对真实地形特征模拟数据的研究证实了MKL能够增强数据驱动模型的可解释性，并在不降低预测性能的情况下帮助特征选择。在这里，我们检查了MKL算法在训练数据样本数和噪声存在方面的稳定性。还提供了实际案例研究的结果，其中MKL在预测阿尔卑斯地区的平均风速时，能够利用在多个空间尺度上计算的大量地形特征。 引用于2文件 MSC公司： 86A32型 地理统计学 2004年6月 地球物理相关问题的软件、源代码等 68T05年 人工智能中的学习和自适应系统 关键词：多核学习;支持向量回归;特征选择;风力资源估算;地形特征/指数提取 软件：支持向量机;PRMLT公司;合卡尔曼滤波;SHOGUN公司;EDA公司 PDF格式BibTeX公司 XML格式引用 \textit{L.Foresti}等人，斯托克。环境。Res.风险评估。25，第1号，51--66（2011；Zbl 1421.86019） 全文： 内政部 链接 参考文献： [1] Andrienko N，Andrienka G（2006），空间和时间数据的探索性数据分析。纽约州施普林格·Zbl 1093.62005年 [2] Ayotte KW（2008），风能评估计算模型。J Wind Eng Indus Aerodyn风力发电工业航空动力学杂志96:1571-1590·doi:10.1016/j.jweia.2008.02.002 [3] Ayotte KW，Davy RJ，Coppin PA（2001）在风能建模的背景下，对复杂地形中的水流进行简单的时空分析。边界层Meteorol 98:275-295·doi:10.1023/A:1026583021740 [4] Bach FR，Lanckriet GRG，Jordan MI（2004）多核学习，二次曲线对偶和SMO算法。附：第21届机器学习国际会议论文集69 [5] Baines PG（1997）分层流中的地形效应。剑桥大学出版社·Zbl 0840.76001号 [6] Beccali M，Cirrincione G，Marvuglia A，Serporta C（新闻稿）使用广义映射回归量估算复杂地形上的风速。应用的能源 [7] Bishop C（2006）模式识别和机器学习。纽约州施普林格·Zbl 1107.68072号 [8] Canu S、Grandvalet Y、Guigue V和Rakotomamonjy A（2005）SVM和内核方法matlab工具箱。感知系统与信息，法国鲁昂INSA de Rouen [9] Cellura M、Cirrincione G、Marvuglia A、Miraoui A（2008）《西西里岛能源规划风速空间估算：神经克里金应用》。可再生能源33:1251-1266·doi:10.1016/j.rene.2007.08.013 [10] Cressie N（1993）空间数据统计，修订版。纽约州威利 [11] Eidsvik KJ（2005）山区风力发电估算系统。Askervein山丘数据预测。风能8:237-249 [12] Eidsvik KJ，Holstad A，Lie I，Utnes T（2004）山区局部风变化预测系统。边界层气象112:557-586·doi:10.1023/B:BOUN.000030561.25252.9e [13] Evensen G（2006）《数据同化：集合卡尔曼滤波器》。纽约州施普林格·Zbl 1157.86001号 [14] Faure P、Huard P（1965）《程序数学功能的解决方案》，《梯度研究方法》，《理性评论》36·Zbl 0135.20001号 [15] Foresti L、Pozdnoukhov A、Tuia D和Kanevski M（出版）使用地质统计学和机器学习算法的极端降水建模。第七届环境应用地质统计学国际会议记录·Zbl 1421.86019号 [16] Foresti L，Tuia D，Pozdnoukhov A，Kanevski M（2009）环境数据的多核学习。案例研究：风场分析和绘图。第19届人工神经网络国际会议论文集，第二部分，第933-943页·Zbl 1421.86019号 [17] Franck HP、Rathmann O、Mortensen NG、Landberg L（2001）数值风图集——KAMM/WAsP方法。Risoe国家实验室出版物，Danemark Risoe-R-1252（EN） [18] Freeman WT和Adelson EH（1991）可操纵过滤器的设计和使用。IEEE Trans-Pattern Ana Mach Intel 13:891-906·数字对象标识代码：10.1109/34.93808 [19] Freund RM（2004）二次优化的求解方法。麻省理工学院技术报告 [20] Gönen M，Alpaydin E（2008）本地化多核学习。第25届机器学习国际会议论文集，第307卷。第352-359页·数字对象标识代码：10.1145/1390156.1390201 [21] Gravdahl AR（1998）使用雷诺平均navier-stokes解算器的中尺度建模：挪威海岸风资源评估。第31次国际能源机构专家会议。风力资源估算的最新进展 [22] Guyon I，Weston J，Barnhill S，Vapnik V（2002）使用支持向量机进行癌症分类的基因选择。机器学习46:389-422·Zbl 0998.68111号 ·doi:10.1023/A:1012487302797 [23] Guyon I、Gunn S、Nikravesh M、Zadeh LA（eds）（2006）《特征提取：基础和应用》。纽约州施普林格·Zbl 1114.68059号 [24] Hastie T、Tibshirani R、Friedman J（2009）《统计学习的要素》，第2版。施普林格，纽约·Zbl 1273.62005年 [25] Haykin S（1999）神经网络。普伦蒂斯·霍尔，印度·Zbl 0934.68076号 [26] Huber PJ（1964）位置参数的稳健估计。数学年鉴35（1）：73-101·Zbl 0136.39805号 ·doi:10.1214/aoms/1177703732 [27] Hughes GF（1968）关于统计模式识别的平均精度。IEEE Trans-Inf理论14（1）：55-63·doi:10.1109/TIT.1968.1054102 [28] Kanevski M（ed）（2008）《环境数据的高级制图》。纽约州ISTE Wiley·Zbl 1207.86002号 [29] Kanevski M，Pozdnoukhov A，Timonin V（2009）空间数据分析和建模的机器学习算法。洛桑EPFL出版社 [30] Lanckriet GRG、De Bie T、Cristianini N、Jordan MI、Noble WS（2004）《基因组数据融合的统计框架》。生物信息学20（16）：2626-2635·doi:10.1093/bioinformatics/bth294 [31] Landberg L、Myllerup L、Rathmann O、Petersen EL、Jorgensen BH、Badger J、Mortensen NG（2003）《风能资源估算概述》。风能6:261-271·doi:10.1002/we.94 [32] Lewis DP，Jebara T，Noble WS（2006）从异质数据中支持向量机学习：使用蛋白质序列和结构的经验分析。生物信息学22:2753-2760·doi:10.1093/bioinformatics/btl475 [33] Lindsay JB，Rothwell J（2008），地形对风的渠化和偏转建模。收录：Zhou Q，Lees B（编辑）《数字地形分析进展》。纽约州施普林格市，第383-406页 [34] Liston GE，Elder KA（2006）高分辨率地面建模的气象分布系统（microMet）。《水文气象杂志》7:217-234·doi:10.1175/JHM486.1 [35] Longworth C，Gales MJF（2008），用于说话人验证的多内核学习。IEEE声学、语音和信号处理会议ICASSP，第1581-1584页 [36] Martinez WL（2004）用matlab进行探索性数据分析。查普曼和霍尔/CRC，伦敦·Zbl 1067.62005年 [37] Mercer J（1905）正负型函数及其与积分方程理论的联系。Phil Trans R Soc公司CCIX:215-228 [38] Palma JMLM、Castro FA、Ribeiro LF、Rodrigues AH、Pinto AP（2008）复杂地形下风力资源评估和风力涡轮机微型试验的线性和非线性模型。J Eng Indus Aerodyn公司96:2308-2326·doi:10.1016/j.jweia.2008.03.012 [39] Petersen EL、Mortensen NG、Landberg L、Hojstrup J、Frank HP（1998）《风力气象学》。风能1:2-22·doi:10.1002/（SICI）1099-1824（199809）1:1<2:：AID-WE15>3.0.CO；2年 [40] Pozdnoukhov A，Kanevski M（2008），热点检测和建模的多尺度支持向量算法。斯托克环境研究风险评估22（5）：647-660·Zbl 1407.62346号 ·doi:10.1007/s00477-007-0162-x [41] Pozdnoukhov A，Kanevski M，Timonin V（2007）使用机器学习算法预测风力发电密度。国际数学地质学协会第十二届年会论文集 [42] Pozdnoukhov A、Foresti L和Kanevski M（2009），使用机器学习方法的数据驱动地形气候图。自然危险3（50）：497-518 [43] Rakotomamonjy A、Bach FR、Canu S、Grandvalet Y（2008）《简单MKL》。J Mach学习研究9:2491-2521·Zbl 1225.68208号 [44] Rätsch G，Sonnenburg S，Schäfer C（2006）学习生物序列分类的可解释SVM。BMC生物信息学7（补充1）：S9·Zbl 1119.92334号 ·doi:10.1186/1471-2105-7-S1-S9 [45] Schaffner B，Remund J（eds）（2005）《高山空间风图：建模方法》。阿尔卑斯山丰收报告系列7-2。阿尔卑斯风采合作网络 [46] Schölkopf B（2001）距离的核心技巧。In:Leen TK、Dietterich TG和Tresp V（eds）NIPS。麻省理工学院出版社，剑桥，第301-307页 [47] Schölkopf B，Smola A（2002）与Kernels一起学习。麻省理工学院出版社，剑桥·Zbl 1019.68094号 [48] Smola A-J，Schölkopf B（1998）支持向量回归教程。NeuroCOLT2技术报告系列，NC2-TR-1998-030 [49] Sonnenburg S，Schaefer G，Rätsch G，Schölkopf B（2006）大规模多核学习。J Mach学习研究7:1531-1565·Zbl 1222.90072号 [50] Tuia D，Kanevski M（2008）《环境监测网络特征和聚类》。收录：Kanevskie（编辑）《环境数据的高级制图》。纽约州ISTE Wiley，第19-47页 [51] Tuia D、Camps-Valls G、Matasci G、Kanevski M（出版）使用多核分类学习相关图像特征。IEEE Trans-Geosci远程传感器 [52] Vapnik V（1995）统计学习理论的本质。纽约州施普林格·Zbl 0833.62008号 [53] 怀特曼CD（2000）《山地气象学：基础和应用》。牛津大学出版社 [54] Wilson JP，Gallant JC（eds）（2000）地形分析：原理和应用。纽约州威利 [55] Zien A，Ong CS（2007）多类多内核学习。第24届机器学习国际会议论文集，第227卷。第1191-1198页·doi:10.1145/1273496.1273646 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。