資源描述：
《基于灰色神經(jīng)網(wǎng)絡(luò)的年降水量組合預(yù)測(cè)模型研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、基于灰色神經(jīng)網(wǎng)絡(luò)的年降水量組合預(yù)測(cè)模型研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：郭寶麗指導(dǎo)教師：熊慶宇教授專業(yè)：控制科學(xué)與工程學(xué)科門類：工學(xué)重慶大學(xué)自動(dòng)化學(xué)院二O一四年四月StudyontheCombinationForecastModelofAnnualRainfallbasedontheGrey-neuralNetworkAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByGu
2、oBaoliSupervisedbyProf.XiongQingyuSpecialty:ControlScienceandEngineeringCollegeofAutomationofChongqingUniversity,Chongqing,China.April2014重慶大學(xué)碩士學(xué)位論文中文摘要摘要降水是水文循環(huán)系統(tǒng)中的重要環(huán)節(jié)，同時(shí)它也是十分重要的一種氣象現(xiàn)象。年降水量是預(yù)報(bào)洪澇災(zāi)害、管理水資源及預(yù)報(bào)分析水文的一個(gè)重要參數(shù),故而某地區(qū)的水資源程度取決于其年降水量。準(zhǔn)確的預(yù)測(cè)降水量能夠給水利和農(nóng)業(yè)部門提供有效幫助。但是因?yàn)闅庀髼l件具有復(fù)雜
3、多樣性，這使得降水量具有很大的隨機(jī)性，所以利用傳統(tǒng)方法對(duì)的降水量進(jìn)行預(yù)測(cè)時(shí)其預(yù)測(cè)精度一般都較低。為了提高年降水量的預(yù)測(cè)精度，本文提出一種基于灰色波形預(yù)測(cè)算法和小波神經(jīng)網(wǎng)絡(luò)的年降水量組合預(yù)測(cè)模型。組合預(yù)測(cè)模型是一種有效保留各個(gè)單項(xiàng)預(yù)測(cè)模型中有價(jià)值的數(shù)據(jù)信息的預(yù)測(cè)方法,能夠使預(yù)測(cè)模型泛化,避免模型的過(guò)度擬合，提高預(yù)測(cè)模型的預(yù)測(cè)精度。本文主要做了三部分研究工作：首先，優(yōu)化小波神經(jīng)網(wǎng)絡(luò)。深入研究分析小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的原理發(fā)現(xiàn)其參數(shù)和閾值都是利用嘗試法來(lái)確定的，不但花費(fèi)時(shí)間很多而且預(yù)測(cè)效果也不是很好，在這里基于蟻群算法能夠?qū)ふ易疃搪窂降脑韺?duì)其優(yōu)化。其
4、次，改進(jìn)灰色波形預(yù)測(cè)算法。通過(guò)分析灰色波形預(yù)測(cè)算法指出其初始值的選取以及對(duì)非線性問(wèn)題研究存在缺陷?；谏鲜鰡?wèn)題，本文首先對(duì)新型灰色模型NGM(1,1,k)的初始值進(jìn)行改進(jìn)，然后將改進(jìn)后的NGM(1,1,k)作為模型預(yù)測(cè)群建立灰色波形預(yù)測(cè)模型。最后，組合預(yù)測(cè)模型的改進(jìn)以及年降水量實(shí)例分析。為了進(jìn)一步提高模型的預(yù)測(cè)精度，本文將優(yōu)化后的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型與改進(jìn)后的灰色波形預(yù)測(cè)算法進(jìn)行并聯(lián)組合建立組合預(yù)測(cè)模型。為了驗(yàn)證預(yù)測(cè)模型的預(yù)測(cè)效果，通過(guò)Matlab-R2010a仿真工具對(duì)年降水量實(shí)例進(jìn)行預(yù)測(cè)分析。首先將改進(jìn)的灰色波形預(yù)測(cè)算法應(yīng)用于重慶市年降水量預(yù)
5、測(cè)中，證明其預(yù)測(cè)效果較好。然后將改進(jìn)后的組合預(yù)測(cè)模型應(yīng)用于重慶市年降水量預(yù)測(cè)中，將其預(yù)測(cè)效果與優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)應(yīng)用效果、改進(jìn)的灰色波形預(yù)測(cè)效果進(jìn)行比較，既驗(yàn)證了組合預(yù)測(cè)模型的有效性，又表現(xiàn)出其效果優(yōu)于其他兩種優(yōu)化的單項(xiàng)預(yù)測(cè)模型。關(guān)鍵詞：組合預(yù)測(cè)，小波神經(jīng)網(wǎng)絡(luò)，灰色波形預(yù)測(cè)算法，年降水量，初始值I重慶大學(xué)碩士學(xué)位論文英文摘要ABSTRACTPrecipitationisanimportantlinkofhydrologicalcyclesystemandalsooneoftheimportantweatherphenomenon.Itisanim
6、portantparameterintermsofforecastingfloods,managementofwaterresourcesandhydrologicalforecastanalysisflooding.Therefore,thedegreeofwaterresourcesinaregiondependsonitsannualprecipitation.Thataccuratepredictionofannualprecipitationisabletogivewaterconservancy,agricultureandother
7、departmentstoprovideeffectivehelp.Theprecipitationhasgreatrandomnessbecausehasthecharacteristicssuchascomplexanddiverseweatherconditions.Generally,Predictionaccuracybyusingthetraditionalmethodtopredictrainfallisreallylow.Inordertoimprovetheforecastingaccuracyofannualprecipita
8、tion,thispaperproposesacombinationforecastmodelbasedongraywaveformpr
