氣象干旱組合預(yù)測(cè)模型研究及其應(yīng)用.pdf

《氣象干旱組合預(yù)測(cè)模型研究及其應(yīng)用.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第３７卷第４期人民黃河Ｖｏｌ．３７，Ｎｏ．４２０１５年４月ＹＥＬＬＯＷＲＩＶＥＲＡｐｒ．，２０１５【水文泥沙】氣象干旱組合預(yù)測(cè)模型研究及其應(yīng)用馬建琴，畢靜靜，趙曉慎（華北水利水電大學(xué)水利學(xué)院，河南鄭州４５００１１）摘要：為提高干旱預(yù)測(cè)精度，克服單一預(yù)測(cè)模型的不足，在分析灰色理論和遺傳神經(jīng)網(wǎng)絡(luò)模型特點(diǎn)的基礎(chǔ)上，構(gòu)建了氣象干旱的多尺度組合預(yù)測(cè)模型。該模型首先提取災(zāi)變序列，利用ＧＭ（１，１）模型進(jìn)行擬合和預(yù)測(cè)，然后采用遺傳神經(jīng)網(wǎng)絡(luò)對(duì)擬合值進(jìn)行修正，得到訓(xùn)練好的網(wǎng)絡(luò)結(jié)構(gòu)，最后修正ＧＭ（１，１）模型的預(yù)測(cè)值。利用鄭州市１９５１—２０１２年月降水?dāng)?shù)據(jù)進(jìn)行的干旱預(yù)測(cè)結(jié)果表明：針對(duì)不同尺度的災(zāi)變序

2、列，組合預(yù)測(cè)模型的預(yù)測(cè)效果優(yōu)于ＧＭ（１，１）模型和遺傳神經(jīng)網(wǎng)絡(luò)模型，且模型的平穩(wěn)性較好。關(guān)鍵詞：組合預(yù)測(cè)模型；ＧＭ（１，１）模型；遺傳神經(jīng)網(wǎng)絡(luò)；干旱預(yù)測(cè)中圖分類號(hào)：Ｐ４５７文獻(xiàn)標(biāo)志碼：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１３７９．２０１５．０４．００３干旱是人類面臨的主要自然災(zāi)害之一，已有的干列建模和遺傳神經(jīng)網(wǎng)絡(luò)非線性映射的特性，發(fā)揮二者旱預(yù)測(cè)方法主要包括加權(quán)馬爾可夫鏈、支持向量機(jī)模的優(yōu)勢(shì)，從而進(jìn)一步提高預(yù)測(cè)精度。型、灰色理論和神經(jīng)網(wǎng)絡(luò)等［１－４］，但每種方法各有利弊。加權(quán)馬爾可夫鏈理論根據(jù)狀態(tài)間的轉(zhuǎn)移概率來(lái)推１組合預(yù)測(cè)模型的建立測(cè)系統(tǒng)未來(lái)的發(fā)展，比較適合隨機(jī)波動(dòng)性較

3、大序列的采用ＧＭ（１，１）模型的預(yù)測(cè)結(jié)果作為遺傳神經(jīng)網(wǎng)預(yù)測(cè)，在進(jìn)行干旱預(yù)測(cè)時(shí)，該方法僅對(duì)無(wú)旱的預(yù)測(cè)比較絡(luò)的輸入，以提高輸入質(zhì)量，使得組合預(yù)測(cè)模型的預(yù)測(cè)準(zhǔn)確［１］；支持向量機(jī)模型的基本思想是將輸入的低維效果優(yōu)于單一模型。變量變換到一個(gè)高維特征空間中，并在該空間進(jìn)行線１．１ＧＭ（１，１）模型簡(jiǎn)介性回歸分析，適合短期預(yù)測(cè)，對(duì)于中長(zhǎng)期預(yù)測(cè)的偏差過(guò)ＧＭ（１，１）模型是最常用的一種灰色模型，它是由大［２］；灰色理論利用累加生成后的新數(shù)據(jù)建模，在一一個(gè)只包含單變量的一階微分方程構(gòu)成的模型，主要定程度上弱化了原始數(shù)據(jù)的隨機(jī)性，容易找出數(shù)據(jù)變應(yīng)用于時(shí)間序列預(yù)測(cè)。建模前一般先對(duì)原始數(shù)據(jù)進(jìn)行換規(guī)律，對(duì)短

4、序列、數(shù)據(jù)少、信息不完全系統(tǒng)的建模與累加處理，通過(guò)累加削弱原始數(shù)據(jù)的隨機(jī)干擾，突出系分析有獨(dú)特的效果，但在進(jìn)行長(zhǎng)期預(yù)測(cè)時(shí)其預(yù)測(cè)結(jié)果統(tǒng)所蘊(yùn)涵的內(nèi)在規(guī)律。設(shè)有數(shù)據(jù)序列｛ｉ，ｘ０（ｉ）｝（ｉ＝近似呈指數(shù)增長(zhǎng)［５］，不符合數(shù)據(jù)序列的隨機(jī)性和波動(dòng)１，２，…，ｎ），其中｛ｘ０（ｉ）｝為災(zāi)變?nèi)掌谛蛄校鶕?jù)灰色性；神經(jīng)網(wǎng)絡(luò)是一種模擬人腦信息處理方法的非線性系統(tǒng)理論［８］，其一次累加生成序列｛ｘ１（ｉ）｝可用指數(shù)系統(tǒng)，可以實(shí)現(xiàn)輸入和輸出的任意非線性映射，基于遺函數(shù)擬合（?。保ǎ埃剑埃ǎ保磦魉惴ǜ模圻M(jìn)的神經(jīng)網(wǎng)絡(luò)模型在搜索過(guò)程中不易陷入局ｘ１（ｋ＋１）＝［ｘ０（１）－ｂ］ｅ－ａｋ＋ｂ（１）部

5、最優(yōu)６］，但該模型需要大量數(shù)據(jù)才能獲得較準(zhǔn)確的ａａ［Ｔ預(yù)測(cè)結(jié)果７］。由于干旱問(wèn)題具有復(fù)雜性和隨機(jī)性，若式中：參數(shù)ａ、ｂ用最小二乘法估計(jì)，得ａ＝（ａ，ｂ）＝單純利用一種預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，則預(yù)測(cè)結(jié)果不僅會(huì)（ＢＴＢ）－１ＢＴＹ，其中Ｂ＝｛－１［ｘ１（ｋ）＋ｘ１（ｋ＋１）］＋受到模型本身的限制，而且難以保證較好的預(yù)測(cè)精度，２因此急需開展組合預(yù)測(cè)模型的研究。收稿日期：２０１４０６１１針對(duì)已有模型的優(yōu)缺點(diǎn)，筆者建立了灰色與遺傳基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（４１０７１０２５）；河南省教育廳自然科學(xué)研究基金資助項(xiàng)目（２００９Ａ１７０００４）；河南省科神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型，對(duì)河南省鄭州市的氣象

6、干旱技攻關(guān)基金資助項(xiàng)目（０９２１０２３１０１９７）。進(jìn)行預(yù)測(cè)。該預(yù)測(cè)模型根據(jù)干旱等級(jí)標(biāo)準(zhǔn)，分別提取作者簡(jiǎn)介：馬建琴（１９７３—），女，河南鄭州人，教授，博士，碩士生導(dǎo)師，研究方向?yàn)樗Y源與水環(huán)境。以１２個(gè)月、６個(gè)月和３個(gè)月為尺度的災(zāi)變序列，通過(guò)究通方信向作為者水：文畢學(xué)靜及靜水（資１９８源９?！?，河南濟(jì)源人，碩士研究生，研構(gòu)建不同長(zhǎng)度的數(shù)據(jù)序列，可充分利用灰色理論短序Ｅｍａｉｌ：９７２３３７１８２＠ｑｑ．ｃｏｍ·１０·人民黃河２０１５年第４期１｝（ｎ－１）×２，Ｙ＝ｘ０（ｋ＋１）（ｎ－１）×１；ｋ＝０，１，…，ｎ－１。１．３．２組合預(yù)測(cè)模型的算法步驟式（１）為數(shù)據(jù)序列｛ｘ１

7、（ｉ）｝的預(yù)測(cè)值，累減可得原（１）參照干旱等級(jí)標(biāo)準(zhǔn)，提取災(zāi)變序列作為原始始災(zāi)變序列的預(yù)測(cè)值Ｘ（ｋ＋１）：值Ｙ。Ｘ（ｋ＋１）＝ｘ１（ｋ＋１）－ｘ１（ｋ）（２）（２）根據(jù)災(zāi)變序列建立ＧＭ（１，１）模型，其擬合值１．２遺傳神經(jīng)網(wǎng)絡(luò)模型簡(jiǎn)介為～Ｙ，預(yù)測(cè)值為Ｙ１。ＢＰ網(wǎng)絡(luò)是一種反向傳播（Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ）的（３）將灰色擬合值作為遺傳神經(jīng)網(wǎng)絡(luò)的輸入，其人工神經(jīng)網(wǎng)絡(luò)，可以實(shí)現(xiàn)輸入和輸出的任意非線性映對(duì)應(yīng)的實(shí)際值～射。一個(gè)３層的ＢＰ網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱含層和輸Ｙ作為該