發(fā)布時間：2019-06-16 17:36

【摘要】：由于氣候條件的復(fù)雜性、多樣性和變異性,使得天氣預(yù)測的過程中存在著大量的模糊性和不確定性,從而導(dǎo)致中長期降雨量的預(yù)測成為了計算機預(yù)測和氣象科學(xué)中的一個難點問題。雖然我國幅員遼闊,地形復(fù)雜,但降雨量的空間分布仍有一定規(guī)律。隨著我國經(jīng)濟的快速發(fā)展,氣象信息越來越受到廣泛的關(guān)注,無論是人民的生活,還是經(jīng)濟的發(fā)展都與氣象息息相關(guān)。天氣預(yù)報基于衛(wèi)星觀測,可以較為精確地預(yù)測未來數(shù)天的風(fēng)力、濕度、溫度等天氣狀況,但是如何能夠知道未來幾個月甚至未來幾年大概的降雨量變化狀況,將是本文研究的重點。馬爾可夫鏈適用于隨機波動性大的預(yù)測問題,但它要求狀態(tài)無后效性,對極值的預(yù)測不太理想,而組合模型可以通過結(jié)合其他算法來優(yōu)化其缺陷,所以本文基于馬爾可夫鏈的組合模型對降雨量進行預(yù)測,并提出了相應(yīng)的兩種預(yù)測方式,然后利用Arcgis組件設(shè)計與實現(xiàn)了城市降雨分布系統(tǒng),主要研究工作如下:(1)本文提出了基于馬爾可夫鏈和模糊集組合模型的預(yù)測算法。先將降雨量有序聚類,計算出狀態(tài)轉(zhuǎn)移矩陣,然后引入隸屬度概念,求出每個狀態(tài)對其他狀態(tài)的影響值,再通過加權(quán)的方式算出預(yù)測的狀態(tài)區(qū)間,最后通過模糊集公式算出具體的降雨預(yù)測值。算法取締了傳統(tǒng)上用的較多的平均分類,然后引入隸屬度更詳細(xì)的描述隨機變量序列值分別屬于所有狀態(tài)的隸屬程度,較好的減小了原來“非此即彼”思想帶來的誤差。(2)本文也提出了基于馬爾可夫鏈和灰色理論組合模型的預(yù)測算法。該方法引入了滑動GM(1,1)模型,先通過最小二乘法求出預(yù)測函數(shù),然后代入具體時間求出第一次預(yù)測值及其與實際值的誤差,再通過誤差進行分類,最后通過加權(quán)馬爾科夫模型完成預(yù)測。該算法主要采用二次預(yù)測的方式,降低了偶然因素的影響,簡化了建模的步驟,提高了預(yù)測的精度和速度。(3)本文查閱并參考國內(nèi)外關(guān)于降雨分布圖制作和降雨預(yù)測的研究技術(shù),利用插值算法和ArcToolbox構(gòu)建了等值模型。然后我們通過ArcGIS服務(wù)器發(fā)布地理信息服務(wù),實現(xiàn)了城市降雨分布圖制作的功能。最后通過加權(quán)馬爾可夫算法,在系統(tǒng)中實現(xiàn)年降雨量預(yù)測并制圖的功能,為人們的生產(chǎn)生活和有關(guān)部門的防災(zāi)減災(zāi)都提供了便利。通過以上研究,我們論文實現(xiàn)了對馬爾可夫組合預(yù)測算法的優(yōu)化,提高了預(yù)測的速度和精度,為長期降雨量的預(yù)測打下了堅實的基礎(chǔ)。
[Abstract]:Due to the complexity, diversity and variability of climate conditions, there are a lot of fuzziness and uncertainty in the process of weather prediction, which leads to the prediction of medium and long term rainfall has become a difficult problem in computer forecasting and meteorological science. Although China has a vast territory and complex terrain, the spatial distribution of rainfall is still regular. With the rapid development of economy in our country, meteorological information has been paid more and more attention, both the life of the people and the development of economy are closely related to meteorology. Based on satellite observation, weather forecast can accurately predict wind, humidity, temperature and other weather conditions in the next few days, but how to know the approximate rainfall changes in the next few months and even in the next few years will be the focus of this paper. Markov chain is suitable for the prediction problem with large random volatility, but it requires that the state has no aftereffect and the prediction of extreme value is not ideal, and the combined model can optimize its defects by combining other algorithms. Therefore, this paper forecasts the rainfall based on the combined model of Markov chain, and puts forward two corresponding forecasting methods, and then designs and implements the urban rainfall distribution system by using Arcgis component. The main research work is as follows: (1) in this paper, a prediction algorithm based on Markov chain and fuzzy set combination model is proposed. Firstly, the rainfall clustering is ordered, the state transition matrix is calculated, then the concept of membership degree is introduced, the influence value of each state on other states is obtained, then the predicted state interval is calculated by weighted method, and finally the specific rainfall prediction value is calculated by fuzzy set formula. The algorithm outlaws the traditional average classification, and then introduces the membership degree to describe the membership degree of the random variable sequence value belonging to all states respectively, which reduces the error caused by the original idea of "either one or the other". (2) this paper also proposes a prediction algorithm based on Markov chain and grey theory combination model. In this method, the sliding GM (1, 1) model is introduced. The prediction function is obtained by the least square method, then the first predicted value and its error with the actual value are calculated by the specific time, then the error is classified by the error, and finally the prediction is completed by the weighted Markov model. The algorithm mainly adopts the method of secondary prediction, which reduces the influence of accidental factors, simplifies the modeling steps, and improves the accuracy and speed of prediction. (3) in this paper, the equivalent model is constructed by using interpolation algorithm and ArcToolbox with reference to the research technology of rainfall distribution map making and rainfall prediction at home and abroad. Then we publish geographic information service through ArcGIS server, and realize the function of making urban rainfall distribution map. Finally, the function of annual rainfall prediction and mapping is realized in the system by weighted Markov algorithm, which provides convenience for people's production and life and disaster prevention and mitigation in related departments. Through the above research, we realize the optimization of Markov combination forecasting algorithm, improve the speed and accuracy of prediction, and lay a solid foundation for long-term rainfall prediction.
【學(xué)位授予單位】：揚州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P457.6;O211.62

【相似文獻】

相關(guān)期刊論文 前10條

1 雷開;楊錦華;;瀝青木屑輕質(zhì)模型砂的特性[J];泥沙研究;1959年03期

2 常躍中;;計算機在建筑模型設(shè)計中的應(yīng)用[J];中國科技信息;2006年02期

3 蔚林巍;一個抽水蓄能電站的優(yōu)化論證模型[J];技術(shù)經(jīng)濟;2000年06期

4 陳婷婷;田文軍;殷安會;劉朝紅;;數(shù)據(jù)模型設(shè)計模式及應(yīng)用[J];內(nèi)江科技;2012年10期

5 吳玉軍;多媒體模型設(shè)計[J];廣西科學(xué);1995年03期

6 彭永;陳艷;;結(jié)構(gòu)模型設(shè)計之我見[J];中國科技信息;2011年04期

7 張子睿 ,李光莉;在模型設(shè)計與制作中培養(yǎng)動手能力[J];發(fā)明與革新;2002年02期

8 陸浩;系列模型延伸法及其試驗沙的選擇[J];泥沙研究;1987年01期

9 陳惠泉;冷卻水運動模型相似性的研究[J];水利學(xué)報;1988年11期

10 劉松濤,李德義;模型和模型方法[J];成都?xì)庀髮W(xué)院學(xué)報;2000年02期

相關(guān)會議論文 前10條

1 馬智;杜雪濤;羅楓;;基于模式的網(wǎng)絡(luò)資源模型設(shè)計[A];中國通信學(xué)會信息通信網(wǎng)絡(luò)技術(shù)委員會2009年年會論文集（上冊）[C];2009年

2 張霖;;面向復(fù)雜系統(tǒng)仿真的模型工程[A];新觀點新學(xué)說學(xué)術(shù)沙龍文集58：復(fù)雜系統(tǒng)建模仿真中的困惑和思考[C];2011年

3 李洪波;;從業(yè)務(wù)需求分析到軟件業(yè)務(wù)模型設(shè)計[A];創(chuàng)新驅(qū)動，，加快戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展——吉林省第七屆科學(xué)技術(shù)學(xué)術(shù)年會論文集（上）[C];2012年

4 寧曉莉;尤揚;葛培勤;;基于狀態(tài)的Fuzz測試模型設(shè)計與實現(xiàn)[A];全國計算機安全學(xué)術(shù)交流會論文集·第二十五卷[C];2010年

5 李韜;周亮;;一種多屬性識別的模型設(shè)計[A];2008年中國西部青年通信學(xué)術(shù)會議論文集[C];2008年

6 鮑培明;;XML的語義結(jié)構(gòu)模型設(shè)計[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2005年

7 顧巧論;陳秋雙;;再制造物流網(wǎng)絡(luò)模型設(shè)計[A];第二十二屆中國控制會議論文集（下）[C];2003年

8 劉子龍;;基于交易金額的在線信譽模型設(shè)計和分析[A];信息經(jīng)濟學(xué)與電子商務(wù)：第十三屆中國信息經(jīng)濟學(xué)會學(xué)術(shù)年會論文集[C];2008年

9 韓靜軒;苗麗安;;濟南市農(nóng)村經(jīng)濟現(xiàn)狀及發(fā)展趨勢分析[A];管理科學(xué)與系統(tǒng)科學(xué)進展——全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

10 劉丹華;黨耀國;;GM(1,1)模型的改進[A];江蘇省系統(tǒng)工程學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

相關(guān)重要報紙文章 前5條

1 關(guān)石;層次化模型[N];計算機世界;2001年

2 本報記者 劉玉杰;模型藝術(shù)：寓于建筑 超越建筑[N];建筑時報;2003年

3 邱桂奇;品筑模型：創(chuàng)新第一 服務(wù)制勝[N];中國房地產(chǎn)報;2012年

4 記者 李鵬;鄔榮領(lǐng)：能預(yù)測生物未來的人[N];北京科技報;2012年

5 記者 沙星海　見習(xí)記者 毛璽璽;一大學(xué)生開發(fā)出解決業(yè)內(nèi)難題軟件[N];平頂山日報;2010年

相關(guān)博士學(xué)位論文 前3條

1 余化鵬;復(fù)雜場景下的目標(biāo)檢測技術(shù)研究[D];電子科技大學(xué);2015年

2 馬威;云計算環(huán)境中高保證隔離模型及關(guān)鍵技術(shù)研究[D];北京交通大學(xué);2016年

3 陶軍;基于非合作博弈模型的QoS分配中關(guān)鍵技術(shù)的研究[D];東南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 葛麗娟;基于出租汽車運營數(shù)據(jù)的交通基礎(chǔ)模型研究及計算[D];長安大學(xué);2015年

2 劉軒;最優(yōu)統(tǒng)計套利模型[D];上海交通大學(xué);2015年

3 鄭茂;篇章級聯(lián)想模型的研究與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

4 夏軍誼;基于協(xié)作感知的車聯(lián)網(wǎng)縮微模型設(shè)計與驗證[D];河南大學(xué);2015年

5 房文林;雷達零件三維工序模型快速生成關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2015年

6 李法遠(yuǎn);基于半監(jiān)督主題模型的商品方面和情感提取[D];華南理工大學(xué);2016年

7 何毅;基于開源WebGIS的SWMM模型網(wǎng)絡(luò)化服務(wù)平臺研究[D];云南師范大學(xué);2016年

8 陳淵;概念與表達—建筑設(shè)計中的模型[D];天津大學(xué);2014年

9 陳晨;定量序列—聚集特征關(guān)系模型構(gòu)建與應(yīng)用[D];重慶大學(xué);2016年

10 唐瑋峰;基于云計算的分布式庫存調(diào)撥模型構(gòu)建與算法研究[D];廣西師范學(xué)院;2016年

本文編號：2500701