發(fā)布時間：2020-11-11 19:38

　　 潛熱通量是地球表面能量預算的重要組成部分,也是水文循環(huán)中重要的一環(huán)。完整的潛熱通量數(shù)據(jù)是估算作物生長模型和水文模型的重要參數(shù),對于精準計算農作物需水量,農業(yè)用水調控和區(qū)域水資源管理有重要意義。但由于天氣及其它原因,檢測潛熱通量數(shù)據(jù)的渦度相關儀會受到不同程度的損壞,造成數(shù)據(jù)的缺失,難以提供完整的潛熱通量數(shù)據(jù)。因此,潛熱通量缺失數(shù)據(jù)的補全就成了亟需解決的問題。傳統(tǒng)的潛熱通量插補模型需要大量的氣象數(shù)據(jù),計算過程也比較復雜。在氣象資料缺乏的情況下難以精準計算。本文旨在研究當氣象資料缺乏情況下采用機器學習方法對潛熱通量缺失數(shù)據(jù)進行插補。本文的主要研究內容包括:(1)使用機器學習的方法對潛熱通量影響因子進行特征分析和選取,并從生態(tài)學角度對結果進行分析論證。(2)基于選取的影響因子,分別使用極限學習機,誤差反向傳播神經網(wǎng)絡,支持向量回歸和XGBoost(eXtreme Gradient Boosting)等機器學習方法對缺失的數(shù)據(jù)進行插補,實驗結果表明,XGBoost與極限學習機效果最佳,R2分別達到了 0.8672與0.8504,但極限學習機在參數(shù)調整上更加簡便,因此選取極限學習機作為進一步研究的方法。(3)極限學習機初始參數(shù)隨機導致結果不穩(wěn)定,而且隱藏層節(jié)點過多時會出現(xiàn)過擬合情況,為了提高極限學習機的泛化性能引入核極限學習機,在使用遺傳算法進行參數(shù)調優(yōu)后核極限學習機的R2達到了 0.8545,同時在此基礎上,根據(jù)潛熱通量的特性進行分時段實驗,結果顯示最佳R2可達0.8836,是一種更合適的潛熱通量插值補全策略。
【學位單位】：北京林業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：P422;TP181
【部分圖文】：

１０７°４ｒ，位置如圖２．１所示，總面積７１３０ｋｍ２。四周與陜西、甘肅、省相接，是四省的交界處。地形南邊較高北邊較低，從黃土高原向過渡，北方即是毛烏素沙漠地區(qū)。屬于干旱向半千旱逐漸過渡的地區(qū)境過去并非如此，是由于長時間的農業(yè)耕作，土地以及水資源利用有其他的一些人為及自然因素，導致土地荒漠化日益嚴重。如今，貌中占了很大的比重（張克斌，王錦林等，２００３）。??屬于半荒漠草原地區(qū)，干旱、大風以及豐富的沙物質是影響鹽池縣自然因素。鹽池自然環(huán)境種最典型的特征就是干旱。由于其地理特征，南向北，從東南向西北遞減的規(guī)律。并且由于受季風的影響，降水均，主要降水時間集中在夏季和秋季。８０％以上的降水量都在５—９縣春天發(fā)生旱情的總占比達到近九成（樊勝岳，周立華等，２００５）。??峻的水資源缺乏現(xiàn)狀，以往在該地區(qū)的研宄主要集中在植物抗旱方面，??物個體水分的吸收情況與土地含水量等，較少關注到提高水的利用率鹽池潛熱通量的研宄，可以對鹽池地區(qū)林地草地合理灌溉提出正確如何利用影響因素的變化來提高潛熱通量的利用也有意義。??

以有很好的容錯性和魯棒性。??（３）具備強大的數(shù)據(jù)處理能力，在同一時刻不僅能夠處理一個特征，而是采??用并行分布式處理，可以同時處理實物的多個特征，在數(shù)據(jù)的并行處理能力上得??到了很大的提升。??（４）由于在神經網(wǎng)絡中，最終得到的結果是中間大量神經元共同貢獻的，當??其中一個神經元出現(xiàn)問題的時候，其它神經元不會受到影響，因此最終的結果不??會受到很大的影響。??（５）在運行的過程中設定好初始參數(shù)后無需再對模型進行調整，只需讓其自??行學習即可，擁有自學習的特點。??２．２．１基本概念??從生理學的角度來看，人類大腦中最基本的單位就是神經元。從神經生理學??和神經解剖學的角度己經有很多的實驗證明了人的大腦皮層控制著人的行為活??動，在我們的大腦皮層中，存在著上億個神經元�；�本的神經元的結構如圖２．２所??示。神經元擁有不同的性能和功能，它們通過連接的區(qū)別構成了不同的類型，人??類一切的行為和活動就是由基礎神經元組成的神經網(wǎng)絡所控制。??

－：??＝［ｘ，，ｘ２．．．．，ｘ？］?（２－２）??可以表示為（２－３）：??ｗ，?＝［ｖｔ？，，ｗ２，ｖｉ；３］?（２－３）??結構??經網(wǎng)絡是目前被廣泛應用在工業(yè)界，同時科研人員對其依然保持著經網(wǎng)絡之一。傳統(tǒng)的前饋神經網(wǎng)絡的學習速度通常遠遠低于要求，多層神經網(wǎng)絡是它在過去應用受限的重要因素之一。在誤差反向傳之后，多層神經網(wǎng)絡才被實現(xiàn)，ＢＰ神經網(wǎng)絡是最經典的多層前饋型絡結構分為三層，分別是輸入層、隱含層和輸出層，在神經網(wǎng)絡中個神經元組成，這些神經元可以同時進行并行計算。ＢＰ神經網(wǎng)絡模的神經元之間不發(fā)生接觸，只與其之后一層的神經元有信息交流，誤差反向傳遞進行參數(shù)調節(jié)即可訓練得到最后的模型。圖２．３展示絡的拓撲結構。??
【相似文獻】

相關期刊論文 前10條

1 沈晗;李江南;溫之平;蔡榕碩;;熱帶西太平洋潛熱通量異常影響華南6月降水的模擬研究[J];熱帶氣象學報;2012年05期

2 吳洪顏,申雙和,徐為根,李秉柏;關于棉田感熱通量和潛熱通量的幾種計算方法[J];氣象科學;2000年04期

3 李美;康春麗;李志雄;荊鳳;薛艷;閆偉;;汶川M_S8.0地震前地表潛熱通量異常[J];地震;2010年03期

4 趙靜;張吳明;焦中虎;;對東日本大地震序列潛熱通量異�，F(xiàn)象的討論[J];中國地震;2017年02期

5 楊蓮梅;張慶云;;南疆夏季降水異常的環(huán)流和青藏高原地表潛熱通量特征分析[J];高原氣象;2007年03期

6 B.J.Choudhury;R.J.Reginato;S.B.Idso;肖淑招;;小麥冠層紅外溫度觀測結果的分析和潛熱通量的計算[J];氣象科技;1987年03期

7 李詩明,周明煜,呂乃平,蘇立榮,ManLi,CWu,吳志明;50°S以南海域的感熱潛熱通量的模式計算[J];地球物理學報;1997年04期

8 劉娜;吳德星;林霄沛;;近50年東中國海潛熱通量的變化[J];中國海洋大學學報(自然科學版);2010年04期

9 孫虎林;黎偉標;;ENSO冷暖事件期間海氣潛熱通量特征分析[J];熱帶海洋學報;2008年04期

10 王丹;盛立芳;高紅燕;楊新;李建科;;孟加拉灣潛熱通量與陜西秋季9-10月降水的關系[J];資源科學;2014年04期

相關博士學位論文 前3條

1 曹寧;海氣通量的變化、趨勢及其氣候效應：觀測與模擬研究[D];中國科學技術大學;2016年

2 鄭建秋;西北太平洋年際和季內尺度海氣相互作用研究[D];中國科學技術大學;2010年

3 張志森;基于信息論的海氣系統(tǒng)信息傳輸特征研究[D];蘭州大學;2015年

相關碩士學位論文 前10條

1 司超;基于極限學習機的潛熱通量插補研究和應用[D];北京林業(yè)大學;2019年

2 唐慧琴;BCC_CSM1.1m對影響華南夏季干旱的海表潛熱通量的模擬評估[D];南京信息工程大學;2016年

3 王麗娟;南海海氣界面潛熱通量對南海夏季風爆發(fā)影響的研究[D];中國氣象科學研究院;2008年

4 李鑫;稻麥輪作田下墊面的感熱和潛熱通量特征分析[D];南京信息工程大學;2017年

5 劉嘉慧敏;西太平洋熱力特征異常與中國南方秋冬季氣候的關系及其可能的物理機制[D];南京信息工程大學;2015年

6 張雪清;基于遙感的三峽庫區(qū)典型樣區(qū)潛熱通量反演[D];西南大學;2012年

7 張果;內蒙古荒漠草原的地表反照率動態(tài)及其對陸—氣通量的影響分析[D];中國氣象科學研究院;2010年

8 徐文明;太平洋潛熱變化及其與中國冬季氣溫的關系[D];南京信息工程大學;2006年

9 伍雄昌;基于遙感的福州市人工熱排放研究[D];福建師范大學;2013年

10 韓婷婷;再分析和協(xié)同觀測數(shù)據(jù)的差異性分析研究[D];蘭州大學;2014年

本文編號：2879644