資源描述：
《上海市水情長期預(yù)測方法比較研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、河海大學碩士學位論文上海市水情長期預(yù)測方法比較研究姓名：陳其幸申請學位級別：碩士專業(yè)：水文學及水資源指導(dǎo)教師：陳元芳;葛朝霞20050301摘要長期水文預(yù)報是介于水文學、氣象學、氣候?qū)W等多學科之間的一門邊緣學科，由于影響因素的復(fù)雜性與目前科學水平的限制，長期水文預(yù)報精度還不高。如何提高預(yù)報精度是水文學家關(guān)注的問題。本文以上海市水情為例，開展長期預(yù)測方法研究。重點是對比不同方法，以期找到更好的預(yù)報模型來提高預(yù)報精度。上海市年最高潮位預(yù)報是上海市水情預(yù)報最重要的部分，在以往的上海市年最高潮位預(yù)測中，發(fā)現(xiàn)結(jié)果都不理想。原因可能是年最高潮位受上游來水、天文潮、臺風的共同影響，預(yù)報難度
2、大，致使用過去的預(yù)報方法，預(yù)測精度差。本次由于增加了物理成因法，引用7海溫、南方濤動指數(shù)(SouthernOscillationindex),太陽黑子數(shù)等資料，預(yù)報精度得到了提高，特別是年最高潮位預(yù)測中效果更為明顯。文中著重研究和應(yīng)用了多元逐步回歸、自然正交展開(EOF)、投影追蹤回歸(PPR)三種預(yù)報方法，并與過去研究的自回歸模型AR(P)、灰色模型GM(1,1),1r7限自回歸模型(ThresholdAutoregressiveModel)對比分析。另外，在定性預(yù)報中，對較新的加權(quán)馬爾柯夫模型與馬爾柯夫模型也作了研究與比較。關(guān)鍵詞:長期預(yù)測:多元逐步回歸;自然正交展開(E
3、OF);投影追蹤回歸丈PPR)一自回歸模型Aft(P);灰色模型GM(1,1);門限自回歸模型(ThresholdAutoregressiveModel);加權(quán)馬爾柯夫模型AbstractThelong-rangehydrologicalforecastisaboundaryscienceofhydrology,meteorology,climatologyandotherrelativesciences.Becauseofcomplexityofaffectingfactorsandrestrictionofcurrent-conditions,theresultsofth
4、elong-rangehydrologicalforecastarestillnotperfect.Howtoimprovetheforecastaccuracyisthekeyproblemconcernedaboutbyhydrologists.Inthispaper,thelong-rangehydrologicalforecastisstudiedandShanghaiwaterregimeisselectedasacasestudy.Emphasisisputonthecomparisonofdifferentmethodsinordertoimproveforec
5、astaccuracy.ThepredictionoftheannualhighesttidestageatHuang-puParkisveryimportant,butinthepastitisoflittleeffect.Why?Perhapsitisuplandwater,astronomicalbearingandtyphoonthatconducestodifficultiesofforecastingtheannualhighesttidestage.Inthepaper,because'seatemperature,SouthernOscillationinde
6、xandsunspotnumberarealsoinvestigated,forecastaccuracyisimproved,especiallyinpredictionoftheannualhighesttidestage.Thepaperlaysemphasisonresearchsofstepwisemultipleregression,empiricalorthogonalfunction,projectionpursuitregression,incomparisonwithautoregressionmodel,greymodel(1,1),andthresho
7、ldautoregressivemodel.Moreover,intheendweightedMarkovchainmodel,MarkovchainmodelandcomparisonofthemarestudiedthatrefertoqualitativeforecastKeywords:long-rangehydrologicalforecaststepwisemultipleregression;empiricalorthogonalfunctionprojectionpursuitregre
