本文選題：降水預測 + 集合預測��； 參考：《東北農業(yè)大學》2015年碩士論文

【摘要】：享有“中國第一大農場”之稱的友誼農場,位于三江平原地區(qū),農場內氣候適宜、土質肥沃、資源豐富、地下水充足,是我省主要的糧食產能基地。近年來,在氣候變暖和人類活動頻繁干擾等多種因素的影響下,三江平原許多灌區(qū)的自然平衡狀態(tài)正在發(fā)生改變。降水是灌區(qū)農業(yè)灌溉的主要來源之一,且降水量是防災減災的重要參量,在很大程度上反映了災害的發(fā)生趨勢,因此降水預測研究對于促進經濟社會健康、持續(xù)、穩(wěn)定、發(fā)展具有重大意義。如能準確預測某地區(qū)的降水情況,提前采取措施進行決策,對區(qū)域水資源進行宏觀調控和優(yōu)化調度,對工、農業(yè)生產具有重大的現實意義。本文在研究友誼農場逐月降水量數據的基礎上,分別建立單一降水預測模型、集合降水預測模型及貝葉斯概率降雨預報模型對降水量進行確定性預報和概率預報,主要研究內容和結論如下:(1)降水量主要影響因子識別闡述了集對分析的基本原理,將其應用到識別友誼農場降水量主要影響因子的研究中。將逐月降水量與各氣象因子構造集對,應用均值標準差法制定各集對的分類標準,依據各元素的分類區(qū)間,并對各元素進行分類。根據分類結果,求得各影響因子的同一度、差異度、對立度,進而得到各集對的聯系度。對聯系度進行分析,得出結論,該地區(qū)降水量的主要影響因子為蒸發(fā)量、平均氣溫和平均相對濕度。(2)單一降水預報模型的建立標準RBF網絡對初始聚類中心具有一定的敏感性,因此,引入密度參數,降低這種敏感性對RBF網絡模擬精度的影響,構建了基于密度參數的RBF降水預測模型(簡記RBF-ANN模型)。由于降水量的影響因子較多,基于多變量的GM(1,4)模型也被應用到降水量預報中。預測結果表明:①與標準的RBF模型和BP模型相比,RBF-ANN模型的計算速度分別提高15%、30%,預報平均相對誤差分別降低28%、19%,預測精度顯著提高;②RBF-ANN模型和GM(1,4)模型預測結果的確定性系數相當,GM(1,4)模型的平均相對誤差較低,但均方根誤差明顯高于RBF-ANN模型;③GM(1,4)模型的預報合格率明顯大于RBF-ANN模型。(3)集合降水預報模型的建立基于信息熵法和SPA的原理,計算RBF-ANN模型和GM(1,4)模型的權重,建立集合預測模型。從集合模型的建模步驟中看出,其預測精度不僅受單一模型預測結果的影響,同時也受權重的影響。因此采用AM算法對權重進行大量取樣至收斂,并從收斂的后驗樣本中隨機抽取10000個樣本,對降水量進行模擬,用模擬值的均值作為預報值。結果表明:①集合模型在降水預測方面有較強的適應性;②與IE-CM模型相比,SPA-CM模型對極大值和極小值的預測效果較好;③降水量均值預報的平均預報相對誤差為8.075%,符合水文預報精度要求。(4)BFS概率降雨預報系統(tǒng)的建立詳細介紹了水文不確定的來源,針對降雨量也具有不確定性的特點,提出貝葉斯概率降雨量預報模型。利用正態(tài)概率圖和非線性擬合技術獲取各月降雨量的先驗密度函數。將基于RBF網絡的似然函數模型于AM-MCMC算法耦合,獲得各月降雨量的后驗密度。然后利用AM-MCMC算法,對各月降雨量進行BFS概率預報,并給出各月預報降雨量的置信區(qū)間。結果表明:各月降雨量平均預報相對誤差為8.58%,符合水文預報精度要求。
[Abstract]:On the basis of analyzing the monthly precipitation data of friendship farm , the paper establishes a single precipitation forecast model , a set precipitation prediction model and a Bayesian probabilistic rainfall forecast model . ( 3 ) Based on the information entropy method and the principle of SPA , a set forecasting model is established based on the information entropy method and SPA .

【學位授予單位】：東北農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：S165

【參考文獻】

相關期刊論文 前9條

1 趙克勤,宣愛理;集對論——一種新的不確定性理論方法與應用[J];系統(tǒng)工程;1996年01期

2 吳有訓;王周青;汪文烈;束長漢;章愛國;汪小逸;陶曙華;;遺傳算法優(yōu)化BP網絡的汛期降水預測模型[J];安徽農業(yè)大學學報;2013年02期

3 胡振山;徐紅領;于泉;李寧;袁展;孫建麗;;基于層次分析法與熵權法的定額幅度差[J];北京工業(yè)大學學報;2014年09期

4 鹿應榮;楊印生;劉洪霞;;基于BP神經網絡的非線性組合預測模型在糧食物流需求預測中的應用[J];吉林大學學報(工學版);2008年S2期

5 閉祖良;張展羽;朱新國;劉莉;;基于RBF神經網絡馬爾可夫模型的降水量預測[J];節(jié)水灌溉;2010年11期

6 山成菊;董增川;樊孔明;楊江浩;劉晨;方慶;;組合賦權法在河流健康評價權重計算中的應用[J];河海大學學報(自然科學版);2012年06期

7 談小龍;徐衛(wèi)亞;劉大文;蔡德文;;高邊坡變形的組合預測模型及其應用[J];水利學報;2010年03期

8 楊桂元;唐小我;馬永開;;最優(yōu)加權幾何平均組合預測方法研究[J];統(tǒng)計研究;1996年02期

9 劉豹,胡代平;神經網絡在預測中的一些應用研究[J];系統(tǒng)工程學報;1999年04期

相關碩士學位論文 前1條

1 楊春波;基于灰色模型與人工神經網絡的改進組合預測模型及其應用研究[D];山東師范大學;2009年

，

本文編號：1835453