本文關(guān)鍵詞：基于NAR動態(tài)神經(jīng)網(wǎng)絡(luò)后驗信息的概率水文預(yù)報

  更多相關(guān)文章： 撓力河流域 降水不確定性 NAR動態(tài)神經(jīng)網(wǎng)絡(luò) 貝葉斯理論 概率降水預(yù)報

【摘要】：水文過程就目前知識水平來看在時間和空間上是隨機(jī)演變的。實際上,現(xiàn)實世界不必確切描述。解決問題的最好辦法是應(yīng)用數(shù)學(xué)模型的抽象概念。由于人類關(guān)于天氣系統(tǒng)(例如降水過程)如何運行的知識是不完全的,為此,長期水文預(yù)報常常發(fā)生很大的誤差。撓力河流域位于寒溫帶大陸性濕潤季風(fēng)氣候區(qū),據(jù)多年數(shù)據(jù)統(tǒng)計平均降水量534.5毫米,年內(nèi)分配非常不均勻,6至9月份降水量占全年的72%。眾所周知,農(nóng)業(yè)灌溉的主要來源是降水,且降水量的多少在很大程度上反映了災(zāi)害的趨勢,因此降水預(yù)測對促進(jìn)社會經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展具有重大意義。如果能較準(zhǔn)確預(yù)報撓力河流域地區(qū)的降水情況,根據(jù)結(jié)果提前進(jìn)行決策或采取措施,對該流域水資源進(jìn)行調(diào)控和調(diào)度,對灌區(qū)農(nóng)業(yè)生產(chǎn)將具有極大的提升。本文在研究撓力河流域菜咀子水文站1991年至2011年逐月及年降水量數(shù)據(jù)的基礎(chǔ)上進(jìn)行對2012年的月及年概率降水預(yù)報。主要研究內(nèi)容方法和結(jié)論如下:(1)概率降水預(yù)報先驗信息的獲取及確定分析已有的降水量數(shù)據(jù)樣本的固有隨機(jī)特征,篩選適宜的概率分布型式,確定先驗分布及其概率密度分布的各項參數(shù)。本文綜合利用非線性數(shù)據(jù)擬合技術(shù)、數(shù)理統(tǒng)計方法求出樣本的先驗信息。其主要符合Normal、Lognormal及Weibull分布等分布型式。(2)概率降水預(yù)報后驗信息的獲取及確定選擇適宜的確定性水文預(yù)報模型。率定模型參數(shù),獲取其隨機(jī)分布特征,確定后驗信息的統(tǒng)計數(shù)值特征。本文選用NAR動態(tài)神經(jīng)網(wǎng)絡(luò),在符合擬合精度及誤差自相關(guān)性的前提條件下,構(gòu)建大量網(wǎng)絡(luò)進(jìn)行預(yù)報,得到預(yù)報集,進(jìn)而獲得后驗信息。(3)概率降水預(yù)報方法的構(gòu)建根據(jù)基于貝葉斯理論的BFS概率預(yù)報方法,將確定出的先驗分布與確定出的后驗信息相結(jié)合,得出后驗分布。再以后驗分布中發(fā)生概率最大的降水量作為預(yù)報值,并求出其發(fā)生概率,實現(xiàn)概率降水預(yù)報。(4)將各月及年降水量預(yù)報值和實測值相比較,并對比其各自的發(fā)生概率,發(fā)現(xiàn)2012年各月及年實際降水量發(fā)生概率低于預(yù)報降水量發(fā)生概率,甚至汛期某月份實際降水量發(fā)生概率遠(yuǎn)小于預(yù)報量的發(fā)生概率。經(jīng)過分析2012年實際月及年降水量數(shù)據(jù),發(fā)現(xiàn)其全年降水狀況異于多年統(tǒng)計數(shù)據(jù)。(5)概率預(yù)報系統(tǒng)比傳統(tǒng)的確定性預(yù)報系統(tǒng)具有更強(qiáng)的適用性,避免了了單一預(yù)報量帶來的危險性,對制定決策和措施具有更實際的指導(dǎo)意義。
【關(guān)鍵詞】：撓力河流域 降水不確定性 NAR動態(tài)神經(jīng)網(wǎng)絡(luò) 貝葉斯理論 概率降水預(yù)報
【學(xué)位授予單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：P338
【目錄】：

• 摘要8-9
• 英文摘要9-11
• 1 緒論11-18
• 1.1 研究的目的及意義11
• 1.2 水文的不確定性11-12
• 1.3 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢12-16
• 1.4 主要研究內(nèi)容16-18
• 2 研究區(qū)域概況18-20
• 2.1 水系18-19
• 2.2 氣候及水文條件19
• 2.3 地質(zhì)地貌19
• 2.4 自然資源19-20
• 3 降水不確定性分析及先驗分布20-23
• 4 NAR動態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)測23-29
• 4.1 動態(tài)神經(jīng)網(wǎng)絡(luò)概述23
• 4.2 NAR基本概念23-25
• 4.3 時間序列階數(shù)的確定25-26
• 4.4 隱層神經(jīng)元及貝葉斯正則化26-27
• 4.5 構(gòu)建NAR動態(tài)神經(jīng)網(wǎng)絡(luò)27-29
• 5 參數(shù)不確定性及降水量后驗信息的獲取29-40
• 5.1 后驗信息29
• 5.2 后驗信息的獲取29-30
• 5.3 權(quán)值和閾值的概率分布30-34
• 5.4 后驗信息的確定34-40
• 6 概率降水預(yù)報40-48
• 6.1 概率預(yù)報方法的基本原理40-41
• 6.2 貝葉斯概率預(yù)報系統(tǒng)的構(gòu)建41
• 6.3 概率降水預(yù)報的實現(xiàn)41-48
• 6.3.1 預(yù)報分布的獲取41-44
• 6.3.2 預(yù)報值累積概率44-46
• 6.3.3 預(yù)報值發(fā)生概率46-48
• 7 結(jié)論與展望48-50
• 7.1 結(jié)論48-49
• 7.2 創(chuàng)新點49
• 7.3 展望49-50
• 致謝50-51
• 參考文獻(xiàn)51-54
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文54

，

本文編號：583422