基于NAR动态神经网络后验信息的概率水文预报

发布时间：2017-07-28 09:34

  本文关键词：基于NAR动态神经网络后验信息的概率水文预报

  更多相关文章： 挠力河流域 降水不确定性 NAR动态神经网络 贝叶斯理论 概率降水预报

【摘要】：水文过程就目前知识水平来看在时间和空间上是随机演变的。实际上,现实世界不必确切描述。解决问题的最好办法是应用数学模型的抽象概念。由于人类关于天气系统(例如降水过程)如何运行的知识是不完全的,为此,长期水文预报常常发生很大的误差。挠力河流域位于寒温带大陆性湿润季风气候区,据多年数据统计平均降水量534.5毫米,年内分配非常不均匀,6至9月份降水量占全年的72%。众所周知,农业灌溉的主要来源是降水,且降水量的多少在很大程度上反映了灾害的趋势,因此降水预测对促进社会经济持续稳定发展具有重大意义。如果能较准确预报挠力河流域地区的降水情况,根据结果提前进行决策或采取措施,对该流域水资源进行调控和调度,对灌区农业生产将具有极大的提升。本文在研究挠力河流域菜咀子水文站1991年至2011年逐月及年降水量数据的基础上进行对2012年的月及年概率降水预报。主要研究内容方法和结论如下:(1)概率降水预报先验信息的获取及确定分析已有的降水量数据样本的固有随机特征,筛选适宜的概率分布型式,确定先验分布及其概率密度分布的各项参数。本文综合利用非线性数据拟合技术、数理统计方法求出样本的先验信息。其主要符合Normal、Lognormal及Weibull分布等分布型式。(2)概率降水预报后验信息的获取及确定选择适宜的确定性水文预报模型。率定模型参数,获取其随机分布特征,确定后验信息的统计数值特征。本文选用NAR动态神经网络,在符合拟合精度及误差自相关性的前提条件下,构建大量网络进行预报,得到预报集,进而获得后验信息。(3)概率降水预报方法的构建根据基于贝叶斯理论的BFS概率预报方法,将确定出的先验分布与确定出的后验信息相结合,得出后验分布。再以后验分布中发生概率最大的降水量作为预报值,并求出其发生概率,实现概率降水预报。(4)将各月及年降水量预报值和实测值相比较,并对比其各自的发生概率,发现2012年各月及年实际降水量发生概率低于预报降水量发生概率,甚至汛期某月份实际降水量发生概率远小于预报量的发生概率。经过分析2012年实际月及年降水量数据,发现其全年降水状况异于多年统计数据。(5)概率预报系统比传统的确定性预报系统具有更强的适用性,避免了了单一预报量带来的危险性,对制定决策和措施具有更实际的指导意义。
【关键词】：挠力河流域 降水不确定性 NAR动态神经网络 贝叶斯理论 概率降水预报
【学位授予单位】：东北农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P338
【目录】：

• 摘要8-9
• 英文摘要9-11
• 1 绪论11-18
• 1.1 研究的目的及意义11
• 1.2 水文的不确定性11-12
• 1.3 国内外研究现状及发展趋势12-16
• 1.4 主要研究内容16-18
• 2 研究区域概况18-20
• 2.1 水系18-19
• 2.2 气候及水文条件19
• 2.3 地质地貌19
• 2.4 自然资源19-20
• 3 降水不确定性分析及先验分布20-23
• 4 NAR动态神经网络预测23-29
• 4.1 动态神经网络概述23
• 4.2 NAR基本概念23-25
• 4.3 时间序列阶数的确定25-26
• 4.4 隐层神经元及贝叶斯正则化26-27
• 4.5 构建NAR动态神经网络27-29
• 5 参数不确定性及降水量后验信息的获取29-40
• 5.1 后验信息29
• 5.2 后验信息的获取29-30
• 5.3 权值和阈值的概率分布30-34
• 5.4 后验信息的确定34-40
• 6 概率降水预报40-48
• 6.1 概率预报方法的基本原理40-41
• 6.2 贝叶斯概率预报系统的构建41
• 6.3 概率降水预报的实现41-48
• 6.3.1 预报分布的获取41-44
• 6.3.2 预报值累积概率44-46
• 6.3.3 预报值发生概率46-48
• 7 结论与展望48-50
• 7.1 结论48-49
• 7.2 创新点49
• 7.3 展望49-50
• 致谢50-51
• 参考文献51-54
• 攻读硕士学位期间发表的学术论文54

，

本文编号：583422