發(fā)布時(shí)間：2020-10-14 16:56

　　 陸地地表徑流具有生態(tài)環(huán)境調(diào)節(jié)的重要功能,陸地地表徑流參與到了大氣、海洋、植被和土壤等自然元素循環(huán)的全過(guò)程。陸地地表徑流情況的變化將直接影響氣候、海洋、植被和土壤的改變,甚至?xí)��?duì)全球生態(tài)環(huán)境系統(tǒng)產(chǎn)生影響。因此,掌握地表徑流變化情況可以預(yù)測(cè)生態(tài)環(huán)境變遷趨勢(shì),為預(yù)測(cè)和治理自然災(zāi)害具有重要意義。然而,目前的地表徑流模式研究對(duì)地表徑流的模擬仍存在一些問(wèn)題,CESM是全球氣候-海洋-陸地-冰川全耦合的氣候模式,其中的RTM模塊是研究地表徑流的有效途徑。由于數(shù)據(jù)采集設(shè)備類型各異導(dǎo)致數(shù)據(jù)存儲(chǔ)格式不統(tǒng)一,且地表徑流數(shù)據(jù)具有高維、可計(jì)算難度大等特點(diǎn),以至難以耦合到RTM模塊中。為此,本文提出了基于NetCDF的RTM數(shù)據(jù)分類聚合方法。該方法的研究重點(diǎn):1)如何對(duì)高維地表徑流數(shù)據(jù)進(jìn)行分類聚合;2)如何對(duì)多源高維地表徑流數(shù)據(jù)進(jìn)行NetCDF格式轉(zhuǎn)換,以滿足RTM對(duì)輸入數(shù)據(jù)的要求。開展RTM數(shù)據(jù)分類研究對(duì)分析地表水文的時(shí)空分布及演變規(guī)律具有重要意義。為進(jìn)一步利用CESM開展地表徑流變遷與人類活動(dòng)互作用機(jī)制的研究,理解過(guò)去氣候與環(huán)境演變規(guī)律,預(yù)估未來(lái)全球生態(tài)環(huán)境變化奠定基礎(chǔ)。論文的主要內(nèi)容包括:1.提出基于神經(jīng)網(wǎng)絡(luò)的高維RTM數(shù)據(jù)分類聚合方法,該方法采用Autoencoder算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,從而得出最優(yōu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。2.提出基于NetCDF的RTM多源數(shù)據(jù)分類聚合模型,從管道通信角度設(shè)計(jì)管道數(shù)據(jù)處理模型。該模型使用抽象工廠屏蔽了設(shè)備差異,通過(guò)在管道中設(shè)計(jì)消息泵的方式來(lái)傳遞設(shè)備匯入的數(shù)據(jù)信息。該類信息被傳輸?shù)綌?shù)據(jù)信號(hào)處理器,在數(shù)據(jù)信號(hào)處理器中結(jié)合神經(jīng)網(wǎng)絡(luò)對(duì)設(shè)備輸入數(shù)據(jù)進(jìn)行數(shù)據(jù)分類,提取出地表徑流數(shù)據(jù)。最終實(shí)現(xiàn),基于NetCDF庫(kù)文件,提出了.Net環(huán)境下讀寫NetCDF格式文件的接口函數(shù),以創(chuàng)建符合RTM輸入數(shù)據(jù)要求數(shù)據(jù)文件格式。本論文利用FM評(píng)價(jià)指數(shù)對(duì)基于神經(jīng)網(wǎng)絡(luò)的改進(jìn)Autoencoder算法模型經(jīng)K-means算法聚類后結(jié)果分析,表明對(duì)高維數(shù)據(jù)的聚類效果要明顯優(yōu)于直接聚類;提出的多源數(shù)據(jù)聚合模型處理器能夠?qū)崟r(shí)對(duì)輸入數(shù)據(jù)進(jìn)行集成融合處理,系統(tǒng)處于穩(wěn)態(tài);創(chuàng)建的.Net環(huán)境讀寫NetCDF格式數(shù)據(jù)的接口能夠較好的存取地表徑流等科學(xué)數(shù)據(jù)數(shù)據(jù)集。
【學(xué)位單位】：華北水利水電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P333
【部分圖文】：

iV XW y ( ) ( )i if V f XW 神經(jīng)元節(jié)點(diǎn)接收到的輸入信息，向量W 為神經(jīng)網(wǎng)i 就是該神經(jīng)元節(jié)點(diǎn)的輸出數(shù)據(jù)信息�；詈瘮�(shù)iV 是非負(fù)值，那么，該神經(jīng)元節(jié)點(diǎn)就處時(shí)，該神經(jīng)元節(jié)點(diǎn)就處于抑制狀態(tài)。理模式是閾值加權(quán)和模式，這也是神經(jīng)網(wǎng)絡(luò)中稱這種神經(jīng)元節(jié)點(diǎn)為神經(jīng)處理單元。網(wǎng)絡(luò)，那么，就必須選擇激活函數(shù)，常用的激sigmoid 函數(shù)。可用圖 2-2 表示：

圖 2-3 分段性函數(shù)Fig 2-3 Piecewise function意義可以用函數(shù) （u ）表示：11,21 1u ,2 210,2uu uu + + （ ）= 閾值函數(shù)相比，當(dāng)線性值不超出閾值時(shí)該函數(shù)出閾值時(shí)，分段性激活函數(shù)就和閾值函數(shù)相似，可用圖 2-4 表示：

圖 2-3 分段性函數(shù)Fig 2-3 Piecewise function學(xué)意義可以用函數(shù) （u ）表示：11,21 1u ,2 210,2uu uu + + （ ）= 與閾值函數(shù)相比，當(dāng)線性值不超出閾值時(shí)該函數(shù)超出閾值時(shí)，分段性激活函數(shù)就和閾值函數(shù)相似數(shù)，可用圖 2-4 表示：
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

5 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

6 蘇秀婷;;耦合神經(jīng)網(wǎng)絡(luò)的同步[J];紹興文理學(xué)院學(xué)報(bào)(自然科學(xué));2016年03期

7 朱溦;;神經(jīng)網(wǎng)絡(luò)結(jié)合平均影響值方法篩選變量[J];產(chǎn)業(yè)與科技論壇;2017年01期

8 ;硅光子神經(jīng)網(wǎng)絡(luò)亮相[J];石油工業(yè)計(jì)算機(jī)應(yīng)用;2016年04期

9 任剛紅;杜坤;周明;劉年?yáng)|;張晉;;基于級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的年降雨量預(yù)測(cè)[J];土木建筑與環(huán)境工程;2016年S2期

10 金鑫;李龍威;季佳男;李祉歧;胡宇;趙永彬;;基于大數(shù)據(jù)和優(yōu)化神經(jīng)網(wǎng)絡(luò)短期電力負(fù)荷預(yù)測(cè)[J];通信學(xué)報(bào);2016年S1期

相關(guān)博士學(xué)位論文 前10條

1 李一鳴;結(jié)合知識(shí)和神經(jīng)網(wǎng)絡(luò)的文本表示方法的研究[D];浙江大學(xué);2018年

2 LYDIA LAZIB;文本否定范圍識(shí)別技術(shù)研究及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2018年

3 周小強(qiáng);基于深度學(xué)習(xí)的交互式問(wèn)答技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2017年

4 劉梅;網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定和同步行為研究[D];新疆大學(xué);2017年

5 李若霞;基于憶阻的神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)分析及應(yīng)用[D];東南大學(xué);2017年

6 項(xiàng)延德;基于卷積神經(jīng)網(wǎng)絡(luò)的心電信號(hào)檢測(cè)和分類研究[D];浙江大學(xué);2018年

7 孔穎;終態(tài)神經(jīng)網(wǎng)絡(luò)及其相關(guān)應(yīng)用[D];浙江工業(yè)大學(xué);2017年

8 談宏瑩;基于太赫茲時(shí)域譜物質(zhì)檢測(cè)技術(shù)及實(shí)驗(yàn)研究[D];燕山大學(xué);2016年

9 吳森森;地理時(shí)空神經(jīng)網(wǎng)絡(luò)加權(quán)回歸理論與方法研究[D];浙江大學(xué);2018年

10 張振敏;基于脈沖神經(jīng)網(wǎng)絡(luò)的紋理圖像識(shí)別研究[D];福建師范大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 謝良才;基于BP神經(jīng)網(wǎng)絡(luò)的煤熱解特性及煤灰熔融特性研究[D];西北大學(xué);2018年

2 張旭;基于VMD-神經(jīng)網(wǎng)絡(luò)輸氣管道的工況分類研究[D];東北石油大學(xué);2018年

3 孫昊;粒子群神經(jīng)網(wǎng)絡(luò)在供水管線腐蝕預(yù)測(cè)中的應(yīng)用研究[D];東北石油大學(xué);2018年

4 嚴(yán)寒;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法研究[D];西北大學(xué);2018年

5 季靜;融合多重語(yǔ)義對(duì)齊表示的機(jī)器閱讀理解研究[D];南京師范大學(xué);2018年

6 尹化榮;基于卷積神經(jīng)網(wǎng)絡(luò)的情感分類算法研究[D];西北大學(xué);2018年

7 鄒鑫;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法研究[D];西北師范大學(xué);2018年

8 李婷玉;基于神經(jīng)網(wǎng)絡(luò)的輸油管道腐蝕預(yù)測(cè)研究與實(shí)現(xiàn)[D];華北理工大學(xué);2018年

9 趙士超;基于神經(jīng)網(wǎng)絡(luò)的LIBS鋼水成分在線檢測(cè)[D];華北理工大學(xué);2018年

10 曹雲(yún)夢(mèng);基于BP神經(jīng)網(wǎng)絡(luò)的軌道電路故障診斷[D];華北理工大學(xué);2018年

本文編號(hào)：2840934