简介：气象预测是现代世界最重要和最有挑战的问题，准确的气象预测常需要使用比较先进的方法和计算机模型。本文分析了数据挖掘方法在气象预报中应用的国内外研究现状，简要介绍了目前在大气科学领域应用的一些数据挖掘方法的相关概念、原理和特点，综述了数据挖掘方法在气象预报中的最新应用研究进展，讨论了这些数据挖掘方法在气象预报中的优缺点。最后指出了当前基于数据挖掘方法的气象预报技术存在的一些困难，并对未来的研究重点和和发展趋势进行展望。

简介：简要介绍了精细化天气预报和气象数据挖掘应用的现状,在对BP神经网络预测方法详细分析的基础上,研究了基于时间序列数据挖掘实现精细化温度预报的方法。该方法基于时序分析技术,建立起适合于BP神经网络的输入样本模型,通过反复学习从温度时序中建立预测模型,将其用于未来24h的精细化温度预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的不足,做了一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了温度预报模型,以兰州市观测站数据为时间序列研究对象,对精细化温度预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化温度预报方法做了有益的探索。

简介：介绍当前庆典市场的基本情况，分析以往气象部门开展庆典存在的问题，探讨气象部门开展庆典工作的优势和劣势，认为气象部门建立系统化的经营管理模式，打造庆典“品牌”，能更好地利用优势，提高竞争能力，赢得市场，增加收入。

简介：数据挖掘（DataMining）是从大量的数据中抽取出潜在的、不为人知的有用信息、模式和趋势。数据挖掘的目的在于提高市场决策能力、在过去的经验基础上预言未来趋势等。例如，超市可以通过分析其原始交易数据，得出某几种商品销售量之间的相互关系，然后作出决策，比如将方便面与火腿肠摆放在一起，达到促进销售的目的。