月降水量預(yù)報(bào)的多尺度支持向量機(jī)模型
發(fā)布時(shí)間：2020-12-09 17:14
可靠的短期或者長期降水量預(yù)報(bào)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(jià)值。然而,降水是一個(gè)復(fù)雜的非線性大氣過程,具有空間和時(shí)間依賴性。因此,了解降水的復(fù)雜性和可預(yù)報(bào)性,并在月或季節(jié)尺度上準(zhǔn)確地預(yù)報(bào)降水量具有一定挑戰(zhàn)性。為了提高月降水量的預(yù)報(bào)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(jī)（LSSVM）月降水量預(yù)報(bào)模型,并利用長江流域138個(gè)氣象觀測站1960-2012年逐月的降水量資料以及11個(gè)大尺度氣候指數(shù),對長江流域各站點(diǎn)分別進(jìn)行了月降水量預(yù)報(bào)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(jì)算預(yù)報(bào)因子與標(biāo)準(zhǔn)化月降水量之間的偏信息（PI）,來選取預(yù)報(bào)因子的最佳滯后期以挑選最佳模型輸入。然后,利用差分進(jìn)化（DE）算法優(yōu)化最小二乘支持向量機(jī)的模型參數(shù),以構(gòu)建LSSVM月降水量預(yù)報(bào)模型。為研究數(shù)據(jù)分解方法對LSSVM模型預(yù)報(bào)性能的改進(jìn),本文利用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）或者離散小波變換（DWT）分別對原始序列進(jìn)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(gè)觀測站點(diǎn)分布
?１１５ＷＥ?１２０ＷＥ??圖２－ｌ研究區(qū)和１３８個(gè)觀測站點(diǎn)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(zhǔn)則就能獲得所需的本征模函數(shù)。本文將每個(gè)初始時(shí)間序列都??分解為５個(gè)本征模函數(shù)分量和１個(gè)殘差，其中５個(gè)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(diǎn)標(biāo)準(zhǔn)月降水量的經(jīng)驗(yàn)?zāi)B(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(shí)間序列分解為５個(gè)細(xì)節(jié)分量（砧，／）２，…，Ａ?）和１個(gè)近似分量（為）。圖??５－１?（ｂ）顯示了玉樹站點(diǎn)標(biāo)準(zhǔn)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(xì)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(xì)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(xiàn)】：
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(bào). 2016(10)
[2]基于支持向量機(jī)（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(bào). 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(bào). 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(bào). 2011(05)
[5]時(shí)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(jì)算機(jī)仿真. 2011(07)
[6]支持向量機(jī)(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(bào)(自然科學(xué)版). 2006(02)
本文編號(hào)：2907200
【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(gè)觀測站點(diǎn)分布
?１１５ＷＥ?１２０ＷＥ??圖２－ｌ研究區(qū)和１３８個(gè)觀測站點(diǎn)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(zhǔn)則就能獲得所需的本征模函數(shù)。本文將每個(gè)初始時(shí)間序列都??分解為５個(gè)本征模函數(shù)分量和１個(gè)殘差，其中５個(gè)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(diǎn)標(biāo)準(zhǔn)月降水量的經(jīng)驗(yàn)?zāi)B(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(shí)間序列分解為５個(gè)細(xì)節(jié)分量（砧，／）２，…，Ａ?）和１個(gè)近似分量（為）。圖??５－１?（ｂ）顯示了玉樹站點(diǎn)標(biāo)準(zhǔn)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(xì)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(xì)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(xiàn)】：
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(bào). 2016(10)
[2]基于支持向量機(jī)（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(bào). 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(bào). 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(bào). 2011(05)
[5]時(shí)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(jì)算機(jī)仿真. 2011(07)
[6]支持向量機(jī)(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(bào)(自然科學(xué)版). 2006(02)
本文編號(hào)：2907200
本文鏈接：http://www.wukwdryxk.cn/projectlw/qxxlw/2907200.html
最近更新
教材專著
