本文關(guān)鍵詞：日氣溫和干旱指數(shù)支持向量回歸預(yù)測(cè)方法

  更多相關(guān)文章： 日氣溫預(yù)測(cè) 干旱指數(shù)預(yù)測(cè) 旱月預(yù)報(bào) 支持向量回歸 時(shí)間序列

【摘要】：持續(xù)的高溫天氣即高溫?zé)崂耸菤鉁禺惓Ｒl(fā)的氣象災(zāi)害,也是導(dǎo)致干旱發(fā)生的誘因之一。伴隨著全球氣候變暖,氣溫的異常變動(dòng)加劇,直接威脅社會(huì)經(jīng)濟(jì)的健康增長(zhǎng),甚至危及生命。研究日氣溫預(yù)測(cè),能夠提前預(yù)知?dú)鉁氐漠惓Ｗ兓?提醒人們調(diào)整生活生產(chǎn)事宜,減少或避免生命財(cái)產(chǎn)的損失,完善自然災(zāi)害預(yù)警機(jī)制。干旱預(yù)測(cè)是干旱研究的熱點(diǎn)問題之一,在目前缺少成熟的干旱理論體系的情況下,干旱指數(shù)作為重要的干旱程度評(píng)估指標(biāo)被廣泛應(yīng)用于干旱的預(yù)測(cè)預(yù)警。研究干旱指數(shù)的預(yù)測(cè)方法,是提高區(qū)域內(nèi)干旱預(yù)警能力,實(shí)現(xiàn)“被動(dòng)抗旱”向“主動(dòng)抗旱”轉(zhuǎn)變的有效途徑。本文基于支持向量回歸建模方法,結(jié)合時(shí)間序列預(yù)測(cè)理論,建立了日氣溫和帕爾默干旱指數(shù)時(shí)間序列SVR預(yù)測(cè)模型,主要研究工作如下：(1)研究基于局部支持向量回歸的日氣溫多變量時(shí)間序列預(yù)測(cè)模型。在C-C方法基礎(chǔ)上,結(jié)合最小預(yù)測(cè)誤差法計(jì)算相空間重構(gòu)的兩個(gè)參數(shù)：延遲時(shí)間和嵌入維數(shù),完成多變量時(shí)間序列樣本的構(gòu)建。在歐式距離公式的基礎(chǔ)上,提出分段提取最近鄰點(diǎn)的近鄰樣本選擇策略建立局部支持向量回歸預(yù)測(cè)模型。在日氣溫MTS-LSVR預(yù)測(cè)的仿真實(shí)驗(yàn)中驗(yàn)證了模型的預(yù)測(cè)效果優(yōu)于單變量時(shí)間序列模型,分段提取最近鄰點(diǎn)方法能有效提高LSVR的預(yù)測(cè)精度。(2)研究年際干旱指數(shù)MTS-LSVR預(yù)測(cè)模型。通過加工提取年最大最小月干旱指數(shù)時(shí)間序列,在MTS-LSVR預(yù)測(cè)方法基礎(chǔ)上實(shí)現(xiàn)年最大最小月干旱指數(shù)的預(yù)測(cè),通過前向1步和前向6步的仿真實(shí)驗(yàn),證明該方法在年際干旱預(yù)測(cè)上有著較好的實(shí)用性。(3)研究基于SVR的月干旱指數(shù)時(shí)間序列預(yù)測(cè)模型。針對(duì)原始月干旱指數(shù)時(shí)間序列不夠平滑的問題,采用小波變換重構(gòu)原始序列的基準(zhǔn)序列和偏離序列,提出基于小波變換的直接預(yù)測(cè)法構(gòu)建輸入樣本建立SVR預(yù)測(cè)模型。月帕爾默干旱指數(shù)仿真實(shí)驗(yàn)表明基于小波變換直接預(yù)測(cè)法的預(yù)測(cè)精度高于疊加預(yù)測(cè)法,有效提高了干旱月的預(yù)報(bào)率。同時(shí)探討了多貝西小波函數(shù)系在美國阿拉巴馬州北部山谷月PDSI時(shí)間序列預(yù)測(cè)上的適用性,實(shí)驗(yàn)證明使用db5小波四層分解時(shí),SVR模型的干旱月預(yù)報(bào)精度最高。
【關(guān)鍵詞】：日氣溫預(yù)測(cè) 干旱指數(shù)預(yù)測(cè) 旱月預(yù)報(bào) 支持向量回歸 時(shí)間序列
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：O212.1
【目錄】：

• 摘要5-6
• abstract6-7
• 第一章 緒論7-13
• 1.1 研究背景和意義7-9
• 1.1.1 日氣溫預(yù)測(cè)7
• 1.1.2 干旱指數(shù)預(yù)測(cè)7-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 數(shù)值預(yù)報(bào)方法9-10
• 1.2.2 統(tǒng)計(jì)學(xué)方法10-11
• 1.2.3 存在不足11-12
• 1.3 論文的主要工作12
• 1.4 論文的組織結(jié)構(gòu)12-13
• 第二章 支持向量機(jī)理論基礎(chǔ)13-18
• 2.1 支持向量機(jī)原理13-15
• 2.2 支持向量回歸原理15-17
• 2.3 局部支持向量回歸17
• 2.4 本章小結(jié)17-18
• 第三章 日氣溫多變量時(shí)間序列局部SVR預(yù)測(cè)18-35
• 3.1 前言18
• 3.2 時(shí)間序列預(yù)測(cè)原理18-23
• 3.2.1 時(shí)間序列的相空間重構(gòu)19-21
• 3.2.2 相空間重構(gòu)參數(shù)計(jì)算21-23
• 3.3 局部支持向量回歸建模23-27
• 3.3.1 最近鄰點(diǎn)的選取24-26
• 3.3.2 基于局部SVR的多變量時(shí)間序列預(yù)測(cè)流程26-27
• 3.4 日氣溫仿真實(shí)驗(yàn)27-34
• 3.4.1 數(shù)據(jù)預(yù)處理27-28
• 3.4.2 日氣溫建模28-32
• 3.4.3 預(yù)測(cè)結(jié)果評(píng)價(jià)32-34
• 3.5 本章小結(jié)34-35
• 第四章 帕爾默干旱指數(shù)時(shí)間序列SVR預(yù)測(cè)35-56
• 4.1 前言35-36
• 4.2 時(shí)間序列預(yù)處理36-37
• 4.2.1 序列平穩(wěn)性檢驗(yàn)36-37
• 4.2.2 序列平穩(wěn)化處理37
• 4.3 年最大最小月干旱指數(shù)MTS-LSVR預(yù)測(cè)37-42
• 4.3.1 數(shù)據(jù)集描述38
• 4.3.2 年最大最小月干旱指數(shù)建模及評(píng)價(jià)38-42
• 4.4 基于小波變換的月干旱指數(shù)SVR預(yù)測(cè)42-55
• 4.4.1 小波變換理論42-43
• 4.4.2 基于小波變換的直接預(yù)測(cè)法43-45
• 4.4.3 基于直接預(yù)測(cè)法的月干旱指數(shù)SVR預(yù)測(cè)流程45-46
• 4.4.4 仿真實(shí)驗(yàn)46-50
• 4.4.5 多貝西小波函數(shù)系的適用性50-55
• 4.5 本章小結(jié)55-56
• 第五章 總結(jié)和展望56-58
• 5.1 論文工作總結(jié)56
• 5.2 未來工作展望56-58
• 參考文獻(xiàn)58-64
• 致謝64-65
• 作者簡(jiǎn)介65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 王志強(qiáng);汪結(jié)華;王式功;尚可政;程一帆;李旭;;灰色模型在環(huán)渤海地區(qū)降水過程預(yù)報(bào)中的應(yīng)用[J];干旱氣象;2012年02期

2 王勁松;李耀輝;王潤元;馮建英;趙艷霞;;我國氣象干旱研究進(jìn)展評(píng)述[J];干旱氣象;2012年04期

3 葉立明;楊桂霞;Eric VAN RANST;唐華俊;;Time-Series Modeling and Prediction of Global Monthly Absolute Temperature for Environmental Decision Making[J];Advances in Atmospheric Sciences;2013年02期

4 黃磊;舒杰;姜桂秀;張繼元;;基于多維時(shí)間序列局部支持向量回歸的微網(wǎng)光伏發(fā)電預(yù)測(cè)[J];電力系統(tǒng)自動(dòng)化;2014年05期

5 章大全;張璐;楊杰;封國林;;近50年中國降水及溫度變化在干旱形成中的影響[J];物理學(xué)報(bào);2010年01期

6 李艷春;桑建人;舒志亮;;用最長(zhǎng)連續(xù)無降水日建立寧夏的干旱預(yù)測(cè)概念模型[J];災(zāi)害學(xué);2008年01期

，

本文編號(hào)：624597