贝叶斯动态模型在海洋水文时间序列预测中的应用研究

发布时间：2020-05-27 17:39

【摘要】：21世纪是海洋世纪，在面临可持续发展大课题的新时代，海洋的战略地位及开发价值日益为人们所重视。沿海经济占全球GDP的比例在逐年增大，增长速度快于GNP的增长，快于行业整体产业的发展，同时我国海洋经济的发展步入了世界经济发展的轨道，在世界上大多数国家和地区，海洋经济成为区域经济发展的新的增长点。然而随着沿海经济高速发展大片沿海城市群的形成、城市化的进程形成的人口和财产集中、全球气候变暖造成的海平面上升等客观因素的影响，使得海洋灾害频繁发生，给我国沿海地区造成的损失不断增大，逐步使我国成为世界上遭受海洋灾害最严重的国家之一。 如果能及时做出动态和较为精确的预测，趋利避害，在最快的时间内做出科学有效的辅助决策工作，则在一定程度上可减轻灾害损失，这成为海洋防灾减灾能力建设研究的迫切任务和重要职责。其中对水文的预报是一种较为直接的方法，对于防灾减灾也具有一定的指导意义。水文预报就是根据已知的信息对某一地区、某一水体或者某一水文站未来一定时期内的水文状态做出定性或定量的预测。这是水文学为经济和社会服务的一个重要方面，对防洪、抗旱、合理利用水资源、国民经济建设甚至对国防事业都有着重要意义。 目前水文预报的方法主要逐步回归、多元线性回归、自回归、小波分析、人工神经网络、时间序列预测技术等等。本文选择应用时间序列预测方法，就是在分析时间序列变量的基础上，运用数学方法建立预测模型，使时间趋势向外延伸，从而获得序列的发展变化趋势，确定变量的预测值。海洋水文时间序列，由于气候、城市化、周围植被、大量海上城市的建设以及填海造田等等沿海经济的开发，这些外在因素加上其本身的不确定性，导致海洋水文时间序列带有一定的非平稳性，这就造成了采取传统的Box-Jenkins方法对其进行预测研究是非常困难的。因为Box-Jenkins方法的ARMA模型针对的是平稳的时间序列，对于非平稳的时间序列，必须将其处理成平稳的时间序列，这样就降低了预测的精确性，本文提出采取贝叶斯动态模型及其预测方法。 本文的研究是建立在渤海风暴潮灾害评估与对策辅助决策系统的项目之上，预测目标是二维洪水演进过程中的渤海湾的水深值。本文的主要研究内容可分为如下几个部分： 1.预测模型参数的提取。本文对一次洪水演进过程中100个时刻的水深值数据进行提取，利用MATLAB工具绘制出其时间序列图像以及在置信水平为95%的自相关函数曲线。通过对研究目标的分析，根据预测者或者专家的经验，给出了预测的初始条件。这样就可以开始一步预测，，预测过程中加入了观察值，这充分体现了贝叶斯动态模型的动态思想。经过100次的循环后，就得到了演进过程的后验分布，既能得到第100个时刻的水深值。 2.预测结果的分析。通过对预测结果和观察值的曲线对比，以及对预测误差曲线的分析可知，用贝叶斯动态模型及其预测方法所得到的预测曲线与观察值曲线吻合得相当好，平均相对误差仅为5.73%，这远远符合洪峰预报的20%许可误差范围。完全可以被实际工作需要所接收的，可被推广应用到该行业中。同时该模型是采用递推方法来进行循环计算的，因此特别适用于在线实时监控，这对于涝期、雪灾、风暴潮引起的水灾等灾害发生时期的实时监控都非常的有意义。同时也证明贝叶斯动态模型及其预测方法比较适合用于像海洋水文时间序列这样的非平稳的时间序列。这对水文学的预测研究，尤其是在现代的气候变化异常的情况下，有着一定的指导意义。 3.预测结果的应用。对洪水演进过程中100个时刻的水深值数据进行预测之后，将该二维洪水演进的预测结果应用到了渤海风暴潮灾害评估与对策辅助决策系统的二维洪水演进子系统中。通过用户选择一次模拟，结合中间服务器端一系列的逻辑处理，调用存储在后台关系数据库中的预测计算结果，然后前端界面中就可以查看该次洪水演进的模拟过程。本系统的开发利用Flex、Java作为主要的开发语言，后台数据库采用较为主流的数据库ORACLE。本系统用先进的三层体系结构（客户机应用程序/浏览器（B/S架构）+应用服务器/中间件+数据库），便于系统的管理与维护，可以提高系统安全性。
【图文】：

图 1-1 海洋灾害经济损失统计图Fig1-1 Statistical figure of economic loss by marine disasters

图 1-2 海洋灾害死亡（失踪）人数统计图Fig1-2 Statistical figure of dead or missing number by marine disasters就目前总的情况来看，海洋灾害给我国带来的损失呈现上升的趋势，如果
【学位授予单位】：上海海洋大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：P731

【参考文献】

相关期刊论文 前10条

1 崔敬巍;谢里阳;;基于贝叶斯动态模型的自相关控制图[J];北京航空航天大学学报;2007年03期

2 朱庆杰,陈静,卢时林,谷延斌,岳文珍;贝叶斯预测模型在气温变化预测中的应用[J];河北理工学院学报;2002年04期

3 吕林涛,李军怀,吕晖,宋昕,张杰;贝叶斯动态模型及其预测算法在数据挖掘中的应用研究[J];计算机工程与应用;2004年20期

4 韩路跃,杜行检;基于MATLAB的时间序列建模与预测[J];计算机仿真;2005年04期

5 王莉;沈冬;;贝叶斯DLM的销售预测系统的研究与实现[J];计算机仿真;2008年07期

6 方平;宋瑞凤;;贝叶斯动态线性模型(BDLM)在水产品价格监测中的应用[J];江西科学;2009年01期

7 曲媛媛;Box-Jenkins方法在银行业市盈率预测中的应用[J];数理统计与管理;2004年02期

8 王晓鹏;曹广超;丁生喜;;基于Box-Jenkins方法的青南高原降水量时间序列分析建模与预测[J];数理统计与管理;2008年04期

9 汪树玉,刘国华,刘立军,李富强;大坝监测分析中的贝叶斯动态模型[J];水利学报;1998年07期

10 李伟华,徐宗本,范金城;单变量Bayes正态动态线性模型及其预测[J];统计与信息论坛;2004年03期

相关硕士学位论文 前2条

1 包云霞;贝叶斯动态模型的随机模拟研究[D];山东科技大学;2005年

2 苏兵;贝叶斯动态模型的模拟处理[D];山东大学;2007年

本文编号：2683897