基于三次分解集成組合模型的黃河源區(qū)降水量預(yù)測(cè)
發(fā)布時(shí)間:2020-12-24 16:37
黃河源區(qū)位于我國(guó)青藏高原東北部,面積為12.2萬(wàn)平方公里,是黃河流域的重要水源涵養(yǎng)地。降水是黃河源區(qū)徑流及水源的主要補(bǔ)給方式,因此,該地區(qū)的降水量預(yù)測(cè)成為當(dāng)前水文和氣象觀測(cè)中非常重要的一項(xiàng)工作,其預(yù)測(cè)結(jié)果既能夠?yàn)樗难芯考案鞣N生產(chǎn)活動(dòng)中的決策制定提供一定的數(shù)據(jù)支持,也可提高應(yīng)對(duì)災(zāi)害的能力。本文在綜合考慮到黃河源區(qū)降水量因受氣候變化影響而呈現(xiàn)出復(fù)雜季節(jié)性和波動(dòng)性的條件下,選取吉邁,瑪曲,唐乃亥水文氣象站1998年至2008年月度降水量數(shù)據(jù)作為黃河源區(qū)代表展開(kāi)相應(yīng)的實(shí)證分析。在具體的三次分解集成的實(shí)證分析中,首先,鑒于原始數(shù)據(jù)本身存在白噪聲序列,運(yùn)用集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)對(duì)原始序列進(jìn)行去噪平滑處理;其次,考慮到降水量序列本身存在的季節(jié)性,采用季節(jié)調(diào)整方法(SAM)對(duì)平滑序列進(jìn)行季節(jié)調(diào)整,由此得到相應(yīng)的季節(jié)指數(shù)和趨勢(shì)項(xiàng)序列;之后,運(yùn)用完備集合經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMD)對(duì)該趨勢(shì)項(xiàng)序列進(jìn)行充分分解得到一系列本征模式函數(shù)(IMF),對(duì)IMF1采用支持向量機(jī)(SVR)進(jìn)行預(yù)測(cè),對(duì)其余IMF采用極限學(xué)習(xí)機(jī)(ELM)進(jìn)行預(yù)測(cè);最后,將所有IMF的預(yù)測(cè)值進(jìn)行整合作為趨勢(shì)項(xiàng)序列的預(yù)測(cè)值,再將該預(yù)測(cè)值與...
【文章來(lái)源】:蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:52 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖3.1支持向量機(jī)結(jié)構(gòu)圖
因此它的結(jié)構(gòu)如下圖所示:圖 3.2 極限學(xué)習(xí)機(jī)結(jié)構(gòu)圖3.2.3 ELM 主要特點(diǎn)1、訓(xùn)練速度快,相比于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)采用梯度下降法對(duì)權(quán)值和閾值不斷進(jìn)行迭代,ELM 在訓(xùn)練過(guò)程中無(wú)需對(duì)其進(jìn)行調(diào)整,因此訓(xùn)練速度有較大提升;2、不會(huì)陷入局部極小值點(diǎn),由二次規(guī)劃的尋優(yōu)可得全局最優(yōu)解;3、泛化性能好,能充分?jǐn)M合函數(shù)曲線的走勢(shì),可用于解決回歸,擬合,分類及模式識(shí)別等問(wèn)題。
源數(shù)據(jù)為黃河源區(qū)—吉邁,瑪曲,唐乃亥三個(gè)地區(qū)水文氣象8 年近 11 年月度降水量數(shù)據(jù)。其中前 10 年數(shù)據(jù)用于模型水量數(shù)據(jù)用于檢驗(yàn)?zāi)P皖A(yù)測(cè)性能。本文在下面的實(shí)證分析月度降水量為依據(jù),采用 matlab R2014a 進(jìn)行仿真實(shí)驗(yàn)及LM 機(jī)器學(xué)習(xí)算法前,需對(duì)所有輸入數(shù)據(jù)進(jìn)行歸一化處理,果。與此同時(shí),對(duì)于瑪曲和唐乃亥地區(qū),亦采用同樣的方結(jié)果能夠很好地?cái)M合月度降水量走勢(shì),能夠?yàn)楫?dāng)?shù)厮Y源持,也為降水量預(yù)測(cè)提供了一種新穎的方法。勢(shì)取吉邁地區(qū)1998年至2008年11年月度降水量數(shù)據(jù)展開(kāi)
【參考文獻(xiàn)】:
期刊論文
[1]改進(jìn)的GM(1,1)模型在區(qū)域降水量預(yù)測(cè)中的應(yīng)用研究[J]. 盧丹. 水利技術(shù)監(jiān)督. 2016(06)
[2]基于隨機(jī)森林的中長(zhǎng)期降水量預(yù)測(cè)模型研究[J]. 甄億位,郝敏,陸寶宏,左建,劉歡. 水電能源科學(xué). 2015(06)
[3]基于數(shù)理統(tǒng)計(jì)方法的降水量預(yù)測(cè)模型建立及應(yīng)用[J]. 劉方,胡彩虹,何鵬飛. 氣象與環(huán)境科學(xué). 2014(02)
[4]采用自回歸移動(dòng)平均模型預(yù)測(cè)中國(guó)手足口病月發(fā)病率[J]. 黃曉霞,張順先,趙俊偉,司撥云,王世文,王英. 疾病監(jiān)測(cè). 2013(05)
[5]智能交通動(dòng)態(tài)流量預(yù)測(cè)算法研究[J]. 毛永明,張東偉,陳楠,呂九一. 科技廣場(chǎng). 2013(01)
[6]Application of Artificial Neural Networks to Rainfall Forecasting in Queensland,Australia[J]. John ABBOT,Jennifer MAROHASY. Advances in Atmospheric Sciences. 2012(04)
[7]統(tǒng)計(jì)降尺度法在黃河源區(qū)未來(lái)降水變化分析中的應(yīng)用[J]. 郝振純,時(shí)芳欣,王加虎. 水電能源科學(xué). 2011(03)
[8]我國(guó)東部夏季降水量統(tǒng)計(jì)降尺度的可預(yù)測(cè)性研究[J]. 魏鳳英,黃嘉佑. 熱帶氣象學(xué)報(bào). 2010(04)
[9]基于矩陣條件數(shù)的NGM(1,1,k)模型病態(tài)性研究[J]. 崔杰,黨耀國(guó),劉思峰. 控制與決策. 2010(07)
[10]年降水量統(tǒng)計(jì)馬爾可夫預(yù)測(cè)模型及其應(yīng)用[J]. 馬占青,徐明仙,俞衛(wèi)陽(yáng),溫淑瑤. 自然資源學(xué)報(bào). 2010(06)
碩士論文
[1]基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷研究[D]. 仲京臣.中國(guó)海洋大學(xué) 2004
本文編號(hào):2935976
【文章來(lái)源】:蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:52 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖3.1支持向量機(jī)結(jié)構(gòu)圖
因此它的結(jié)構(gòu)如下圖所示:圖 3.2 極限學(xué)習(xí)機(jī)結(jié)構(gòu)圖3.2.3 ELM 主要特點(diǎn)1、訓(xùn)練速度快,相比于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)采用梯度下降法對(duì)權(quán)值和閾值不斷進(jìn)行迭代,ELM 在訓(xùn)練過(guò)程中無(wú)需對(duì)其進(jìn)行調(diào)整,因此訓(xùn)練速度有較大提升;2、不會(huì)陷入局部極小值點(diǎn),由二次規(guī)劃的尋優(yōu)可得全局最優(yōu)解;3、泛化性能好,能充分?jǐn)M合函數(shù)曲線的走勢(shì),可用于解決回歸,擬合,分類及模式識(shí)別等問(wèn)題。
源數(shù)據(jù)為黃河源區(qū)—吉邁,瑪曲,唐乃亥三個(gè)地區(qū)水文氣象8 年近 11 年月度降水量數(shù)據(jù)。其中前 10 年數(shù)據(jù)用于模型水量數(shù)據(jù)用于檢驗(yàn)?zāi)P皖A(yù)測(cè)性能。本文在下面的實(shí)證分析月度降水量為依據(jù),采用 matlab R2014a 進(jìn)行仿真實(shí)驗(yàn)及LM 機(jī)器學(xué)習(xí)算法前,需對(duì)所有輸入數(shù)據(jù)進(jìn)行歸一化處理,果。與此同時(shí),對(duì)于瑪曲和唐乃亥地區(qū),亦采用同樣的方結(jié)果能夠很好地?cái)M合月度降水量走勢(shì),能夠?yàn)楫?dāng)?shù)厮Y源持,也為降水量預(yù)測(cè)提供了一種新穎的方法。勢(shì)取吉邁地區(qū)1998年至2008年11年月度降水量數(shù)據(jù)展開(kāi)
【參考文獻(xiàn)】:
期刊論文
[1]改進(jìn)的GM(1,1)模型在區(qū)域降水量預(yù)測(cè)中的應(yīng)用研究[J]. 盧丹. 水利技術(shù)監(jiān)督. 2016(06)
[2]基于隨機(jī)森林的中長(zhǎng)期降水量預(yù)測(cè)模型研究[J]. 甄億位,郝敏,陸寶宏,左建,劉歡. 水電能源科學(xué). 2015(06)
[3]基于數(shù)理統(tǒng)計(jì)方法的降水量預(yù)測(cè)模型建立及應(yīng)用[J]. 劉方,胡彩虹,何鵬飛. 氣象與環(huán)境科學(xué). 2014(02)
[4]采用自回歸移動(dòng)平均模型預(yù)測(cè)中國(guó)手足口病月發(fā)病率[J]. 黃曉霞,張順先,趙俊偉,司撥云,王世文,王英. 疾病監(jiān)測(cè). 2013(05)
[5]智能交通動(dòng)態(tài)流量預(yù)測(cè)算法研究[J]. 毛永明,張東偉,陳楠,呂九一. 科技廣場(chǎng). 2013(01)
[6]Application of Artificial Neural Networks to Rainfall Forecasting in Queensland,Australia[J]. John ABBOT,Jennifer MAROHASY. Advances in Atmospheric Sciences. 2012(04)
[7]統(tǒng)計(jì)降尺度法在黃河源區(qū)未來(lái)降水變化分析中的應(yīng)用[J]. 郝振純,時(shí)芳欣,王加虎. 水電能源科學(xué). 2011(03)
[8]我國(guó)東部夏季降水量統(tǒng)計(jì)降尺度的可預(yù)測(cè)性研究[J]. 魏鳳英,黃嘉佑. 熱帶氣象學(xué)報(bào). 2010(04)
[9]基于矩陣條件數(shù)的NGM(1,1,k)模型病態(tài)性研究[J]. 崔杰,黨耀國(guó),劉思峰. 控制與決策. 2010(07)
[10]年降水量統(tǒng)計(jì)馬爾可夫預(yù)測(cè)模型及其應(yīng)用[J]. 馬占青,徐明仙,俞衛(wèi)陽(yáng),溫淑瑤. 自然資源學(xué)報(bào). 2010(06)
碩士論文
[1]基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷研究[D]. 仲京臣.中國(guó)海洋大學(xué) 2004
本文編號(hào):2935976
本文鏈接:http://www.wukwdryxk.cn/projectlw/dqwllw/2935976.html
最近更新
教材專著