發(fā)布時間：2020-12-09 17:14

　　可靠的短期或者長期降水量預(yù)報不僅可以為旱澇災(zāi)害預(yù)警提供關(guān)鍵信息,而且對于水資源管理,農(nóng)業(yè)耕種以及生態(tài)環(huán)境建設(shè)有很大的參考價值。然而,降水是一個復(fù)雜的非線性大氣過程,具有空間和時間依賴性。因此,了解降水的復(fù)雜性和可預(yù)報性,并在月或季節(jié)尺度上準確地預(yù)報降水量具有一定挑戰(zhàn)性。為了提高月降水量的預(yù)報精度,本文提出了基于數(shù)據(jù)分解的最小二乘支持向量機（LSSVM）月降水量預(yù)報模型,并利用長江流域138個氣象觀測站1960-2012年逐月的降水量資料以及11個大尺度氣候指數(shù),對長江流域各站點分別進行了月降水量預(yù)報研究。其中,1961-2002年的數(shù)據(jù)用于訓(xùn)練模型,2003-2012年的數(shù)據(jù)用于測試模型。首先,通過計算預(yù)報因子與標準化月降水量之間的偏信息（PI）,來選取預(yù)報因子的最佳滯后期以挑選最佳模型輸入。然后,利用差分進化（DE）算法優(yōu)化最小二乘支持向量機的模型參數(shù),以構(gòu)建LSSVM月降水量預(yù)報模型。為研究數(shù)據(jù)分解方法對LSSVM模型預(yù)報性能的改進,本文利用經(jīng)驗?zāi)�態(tài)分解（EMD）或者離散小波變換（DWT）分別對原始序列進行分解再耦合LSSVM模型以分別構(gòu)建EMD-LSSVM和DWT-LSSVM月降... 

【文章來源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究區(qū)和138個觀測站點分布

?１１５ＷＥ?１２０ＷＥ??圖２－ｌ研究區(qū)和１３８個觀測站點分布??Ｆｉｇｕｒｅ?２－ｌ?Ｓｔｕｄｙ?ａｒｅａ?ａｎｄ?ｌｏｃａｔｉｏｎ?ｏｆ?１３８?ｓｅｌｅｃｔｅｄ?ｒａｉｎｆａｌｌ?ｓｔａｔｉｏｎｓ??８??

只需要滿足分解停止準則就能獲得所需的本征模函數(shù)。本文將每個初始時間序列都??分解為５個本征模函數(shù)分量和１個殘差，其中５個本征模函數(shù)的頻率按順序從最高??到最低排列。圖５－１?（ａ）給出了玉樹（５６０２９）站點標準月降水量的經(jīng)驗?zāi)�態(tài)分解的??分解結(jié)果圖。在離散小波變換的分解過程中，采用了?Ｍｅｙｅｒ小波來構(gòu)造小波基，并??將原始時間序列分解為５個細節(jié)分量（砧，／）２，…，Ａ?）和１個近似分量（為）。圖??５－１?（ｂ）顯示了玉樹站點標準月降水量的離散小波變換的分解結(jié)果圖。從圖５－１可以??觀察到，本征模函數(shù)分量和細節(jié)分量在頻率，振幅和波長上都發(fā)生了變化。Ａ??包含了振幅最大，頻率最高，波長最短的部分。隨著分解層數(shù)的增加，本征模函數(shù)??分量和細節(jié)分量在振幅和頻率上依次遞減，并且在波長上依次增加。??２２??

【參考文獻】：
期刊論文
[1]基于PSO-LSSVM的干旱區(qū)中長期降水預(yù)測模型研究[J]. 孟錦根.  長江科學(xué)院院報. 2016(10)
[2]基于支持向量機（SVM）的祁連山典型小流域日降水-徑流模擬研究[J]. 于海姣,溫小虎,馮起,何志斌.  水資源與水工程學(xué)報. 2015(02)
[3]盛夏副高東西位置異常變化對我國氣候的影響及預(yù)測研究[J]. 黃志萍,任廣成,夏軍.  海洋預(yù)報. 2012(03)
[4]基于SVM分類的淮河流域夏季降水預(yù)測模型[J]. 吳有訓(xùn),劉勇,葉金印,余品忠.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2011(05)
[5]時間序列模型在降水量預(yù)測中的應(yīng)用研究[J]. 常青,趙曉莉.  計算機仿真. 2011(07)
[6]支持向量機(SVM)方法在降水分類預(yù)測中的應(yīng)用[J]. 楊淑群,芮景析,馮漢中.  西南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2006(02)



本文編號：2907200