雨澇是影響我國(guó)的重要自然災(zāi)害,如何提高降水預(yù)報(bào)準(zhǔn)確率一直是天氣預(yù)報(bào)的難點(diǎn)。本文應(yīng)用統(tǒng)計(jì)方法對(duì)數(shù)值預(yù)報(bào)產(chǎn)品進(jìn)行釋用,以期提高降水預(yù)報(bào)準(zhǔn)確率。本文采用模式輸出統(tǒng)計(jì)方法（MOS）,使得數(shù)值預(yù)報(bào)產(chǎn)品中的動(dòng)力學(xué)信息和統(tǒng)計(jì)學(xué)知識(shí)得到融合,利用了 2012-2014年6-9月T511數(shù)值預(yù)報(bào)數(shù)據(jù)和中國(guó)自動(dòng)站與CMORPH降水產(chǎn)品融合的網(wǎng)格數(shù)據(jù)集建立了兩種適應(yīng)度函數(shù)的樸素貝葉斯降水等級(jí)預(yù)報(bào)模型（BPS0-NB1、BPS0-NB2）。模型在選擇預(yù)報(bào)因子方面,采用了人工智能方法——二進(jìn)制粒子群算法進(jìn)行最優(yōu)因子的組合。為了檢驗(yàn)二進(jìn)制粒子群算法優(yōu)化的樸素貝葉斯分類器的預(yù)報(bào)性能,本文采用2015年7-9月數(shù)據(jù)對(duì)南方地區(qū)五個(gè)站進(jìn)行降水等級(jí)預(yù)報(bào)檢驗(yàn),結(jié)果表明：1.BPSO-NB1模型將晴雨預(yù)報(bào)的適應(yīng)度函數(shù)值升高了 0.239,在因子選擇方面應(yīng)用效果較好。2.BPS0-NB1、BPS0-NB2模型晴雨預(yù)報(bào)準(zhǔn)確率比T511模式提升了 24%以上,小雨TS評(píng)分BPSO-NB1、BPS0-NB2模型比T511模式提升了 0.1以上。3.BPS0-NB1、BPS0-NB2模型都可以顯著地降低T511數(shù)值預(yù)報(bào)的小雨、中雨的空?qǐng)?bào)... 

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的與意義
    1.3 方法介紹及其研究進(jìn)展
        1.3.1 貝葉斯方法
        1.3.2 粒子群方法
    1.4 本文的主要內(nèi)容
第二章 算法原理
    2.1 貝葉斯方法
        2.1.1 概率論中的一些基本定義
        2.1.2 貝葉斯公式原理
        2.1.3 貝葉斯分類法
        2.1.4 樸素貝葉斯分類器
    2.2 粒子群算法
        2.2.1 群智能算法概述
        2.2.2 粒子群算法基本原理
        2.2.3 二進(jìn)制粒子群算法
第三章 資料及處理
    3.1 資料的選取
    3.2 模型預(yù)報(bào)因子選擇
    3.3 位置向量的0、1化處理
    3.4 限制因子數(shù)量
第四章 粒子群優(yōu)化的樸素貝葉斯降水預(yù)報(bào)模型
    4.1 模型構(gòu)建
        4.1.1 模型基本步驟
        4.1.2 模型流程
    4.2 模型試驗(yàn)
        4.2.1 先驗(yàn)概率
        4.2.2 試驗(yàn)站因子組合
        4.2.3 試驗(yàn)降水預(yù)報(bào)結(jié)果
    4.3 本章小結(jié)
第五章 個(gè)例分析
    5.1 降水概況
    5.2 個(gè)例天氣形勢(shì)分析
        5.2.1 環(huán)流背景分析
        5.2.2 垂直速度及水汽條件分析
    5.3 模型預(yù)報(bào)降水落區(qū)與實(shí)況的比較
    5.4 本章小結(jié)
第六章 全文總結(jié)
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]氣象預(yù)報(bào)應(yīng)用人工智能的現(xiàn)狀分析和影響初探[J]. 唐偉,周勇,王喆,龔江麗,沈文海.  中國(guó)信息化. 2017(11)
[2]基于粒子群-支持向量機(jī)定量降水集合預(yù)報(bào)方法[J]. 孔慶燕,史旭明,金龍.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2017(05)
[3]HM-Bayes網(wǎng)絡(luò)降水空間插值模型的改進(jìn)及其應(yīng)用[J]. 劉虹利,王紅瑞,孫沁田,楊中文,洪思揚(yáng).  系統(tǒng)工程理論與實(shí)踐. 2016(11)
[4]基于樸素貝葉斯算法的流域降水預(yù)測(cè)方法[J]. 黃煒,李雪真,趙嘉,趙麗華,李臣民.  水利水電科技進(jìn)展. 2016(04)
[5]統(tǒng)計(jì)方法在數(shù)值模式中應(yīng)用的若干新進(jìn)展[J]. 朱玉祥,黃嘉佑,丁一匯.  氣象. 2016(04)
[6]基于Bayes判別法的霜生自動(dòng)化觀測(cè)模型探討[J]. 華連生,溫華洋,朱華亮,張正銓.  氣象. 2015(08)
[7]一種Bayes降水概率預(yù)報(bào)的最優(yōu)子集算法[J]. 胡邦輝,劉善亮,席巖,王學(xué)忠,游大鳴,張惠君.  應(yīng)用氣象學(xué)報(bào). 2015(02)
[8]BPSO優(yōu)化樸素貝葉斯分類器的降水分級(jí)預(yù)報(bào)試驗(yàn)[J]. 張群,席巖,胡邦輝,王學(xué)忠,張惠君.  解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(04)
[9]基于AREM模式的貝葉斯洪水概率預(yù)報(bào)試驗(yàn)[J]. 殷志遠(yuǎn),彭濤,王俊超,沈鐵元.  暴雨災(zāi)害. 2012(01)
[10]基于粒子群和投影尋蹤的樣本重構(gòu)神經(jīng)網(wǎng)絡(luò)集成模型在降水預(yù)報(bào)中的應(yīng)用[J]. 吳春梅,吳建生.  計(jì)算機(jī)與現(xiàn)代化. 2011(02)

博士論文
[1]粒子群算法的基本理論及其改進(jìn)研究[D]. 劉建華.中南大學(xué) 2009
[2]粒子群優(yōu)化算法及其應(yīng)用研究[D]. 李丹.東北大學(xué) 2007
[3]貝葉斯學(xué)習(xí)理論中若干問(wèn)題的研究[D]. 王利民.吉林大學(xué) 2005
[4]貝葉斯學(xué)習(xí)理論及其應(yīng)用研究[D]. 宮秀軍.中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所） 2002

碩士論文
[1]基于改進(jìn)PSO-RBF神經(jīng)網(wǎng)絡(luò)的氣溫預(yù)測(cè)模型[D]. 陳廣.蘭州大學(xué) 2015
[2]改進(jìn)的PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究[D]. 蔣林利.廈門大學(xué) 2014
[3]粒子群算法研究及在氣象資料檢索中的應(yīng)用[D]. 黃艷紅.南京信息工程大學(xué) 2012
[4]樸素貝葉斯分類器的研究與應(yīng)用[D]. 王國(guó)才.重慶交通大學(xué) 2010
[5]基于MOS方法的客觀降水預(yù)報(bào)模型的研究與應(yīng)用[D]. 黃億.南京信息工程大學(xué) 2008
[6]粒子群優(yōu)化算法的研究與改進(jìn)[D]. 薛婷.大連海事大學(xué) 2008



本文編號(hào)：3728077