基于集合预测及BFS的概率降雨预报方法研究

发布时间：2018-05-02 20:49

本文选题：降水预测 + 集合预测　；参考：《东北农业大学》2015年硕士论文

【摘要】：享有“中国第一大农场”之称的友谊农场,位于三江平原地区,农场内气候适宜、土质肥沃、资源丰富、地下水充足,是我省主要的粮食产能基地。近年来,在气候变暖和人类活动频繁干扰等多种因素的影响下,三江平原许多灌区的自然平衡状态正在发生改变。降水是灌区农业灌溉的主要来源之一,且降水量是防灾减灾的重要参量,在很大程度上反映了灾害的发生趋势,因此降水预测研究对于促进经济社会健康、持续、稳定、发展具有重大意义。如能准确预测某地区的降水情况,提前采取措施进行决策,对区域水资源进行宏观调控和优化调度,对工、农业生产具有重大的现实意义。本文在研究友谊农场逐月降水量数据的基础上,分别建立单一降水预测模型、集合降水预测模型及贝叶斯概率降雨预报模型对降水量进行确定性预报和概率预报,主要研究内容和结论如下:(1)降水量主要影响因子识别阐述了集对分析的基本原理,将其应用到识别友谊农场降水量主要影响因子的研究中。将逐月降水量与各气象因子构造集对,应用均值标准差法制定各集对的分类标准,依据各元素的分类区间,并对各元素进行分类。根据分类结果,求得各影响因子的同一度、差异度、对立度,进而得到各集对的联系度。对联系度进行分析,得出结论,该地区降水量的主要影响因子为蒸发量、平均气温和平均相对湿度。(2)单一降水预报模型的建立标准RBF网络对初始聚类中心具有一定的敏感性,因此,引入密度参数,降低这种敏感性对RBF网络模拟精度的影响,构建了基于密度参数的RBF降水预测模型(简记RBF-ANN模型)。由于降水量的影响因子较多,基于多变量的GM(1,4)模型也被应用到降水量预报中。预测结果表明:①与标准的RBF模型和BP模型相比,RBF-ANN模型的计算速度分别提高15%、30%,预报平均相对误差分别降低28%、19%,预测精度显著提高;②RBF-ANN模型和GM(1,4)模型预测结果的确定性系数相当,GM(1,4)模型的平均相对误差较低,但均方根误差明显高于RBF-ANN模型;③GM(1,4)模型的预报合格率明显大于RBF-ANN模型。(3)集合降水预报模型的建立基于信息熵法和SPA的原理,计算RBF-ANN模型和GM(1,4)模型的权重,建立集合预测模型。从集合模型的建模步骤中看出,其预测精度不仅受单一模型预测结果的影响,同时也受权重的影响。因此采用AM算法对权重进行大量取样至收敛,并从收敛的后验样本中随机抽取10000个样本,对降水量进行模拟,用模拟值的均值作为预报值。结果表明:①集合模型在降水预测方面有较强的适应性;②与IE-CM模型相比,SPA-CM模型对极大值和极小值的预测效果较好;③降水量均值预报的平均预报相对误差为8.075%,符合水文预报精度要求。(4)BFS概率降雨预报系统的建立详细介绍了水文不确定的来源,针对降雨量也具有不确定性的特点,提出贝叶斯概率降雨量预报模型。利用正态概率图和非线性拟合技术获取各月降雨量的先验密度函数。将基于RBF网络的似然函数模型于AM-MCMC算法耦合,获得各月降雨量的后验密度。然后利用AM-MCMC算法,对各月降雨量进行BFS概率预报,并给出各月预报降雨量的置信区间。结果表明:各月降雨量平均预报相对误差为8.58%,符合水文预报精度要求。
[Abstract]:On the basis of analyzing the monthly precipitation data of friendship farm , the paper establishes a single precipitation forecast model , a set precipitation prediction model and a Bayesian probabilistic rainfall forecast model . ( 3 ) Based on the information entropy method and the principle of SPA , a set forecasting model is established based on the information entropy method and SPA .

【学位授予单位】：东北农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S165

【参考文献】