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

ID:52250277

大?。?.46 MB

頁(yè)數(shù):4頁(yè)

時(shí)間:2020-03-25

氣象干旱組合預(yù)測(cè)模型研究及其應(yīng)用.pdf_第1頁(yè)
氣象干旱組合預(yù)測(cè)模型研究及其應(yīng)用.pdf_第2頁(yè)
氣象干旱組合預(yù)測(cè)模型研究及其應(yīng)用.pdf_第3頁(yè)
氣象干旱組合預(yù)測(cè)模型研究及其應(yīng)用.pdf_第4頁(yè)
資源描述:

《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

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。