基于BP神经网络马尔可夫模型的黄土丘陵半干旱区降水量预测

发布时间：2017-09-21 21:22

  本文关键词：基于BP神经网络马尔可夫模型的黄土丘陵半干旱区降水量预测

  更多相关文章： 黄土丘陵半干旱区 降水量预测 BP神经网络 马尔可夫链

【摘要】：本文选取1983~2015年黄土丘陵半干旱区年降水量作为研究对象,分别应用BP神经网络与马尔可夫链方法,建立降水量预测模型,并详细介绍了它们的基本原理及操作步骤,说明了模型建立的具体过程,并将其应用于年降水量的预测。本文首先利用统计资料研究年降水量的变化特征及变化趋势,得知,1983~2015年黄土丘陵半干旱区年降水量总体在减少,但其线性变化趋势并不明显,且在年际变化中存在明显的突变现象。利用BP神经网络模型和叠加马尔可夫链方法预测黄土丘陵半干旱区2016年降水量。首先利用BP神经网络模型预测2007年的降水量,对缺失数据进行填补,得到2007年的降水量为348.2mm.以完善的统计数据作为样本,利用BP神经网络模型预测得到2016年的降水量为428.4mm.由于数据有限,由该方法得到的预测效果不够精确,需要进一步训练网络,使训练结果更加完善。利用叠加马尔可夫链方法进行降水量的预测,并与实际观测值进行比较,得到2016年的降水量预测值为451.8mm.但由预测结果可知,2013年和2015年降水量预测误差较大,且其降水量在年降水量的统计资料中分别为极大年和极小年。由该实验结果可以判断,如果统计样本中存在大旱或大涝年份,则利用叠加马尔可夫链方法预测的结果误差较大,因而有待深入的研究并完善该研究方法,从而得到更好的预测结果。但由于叠加马尔可夫链具有较强的自我调整能力,因此某一时间段偏大的预测误差并不会对后续年份的预测造成很大的影响。为了提高预测结果的准确度,减小预测误差,本文进一步将BP神经网络与马尔可夫模型叠加进行预测,得到2016年降水量的预测区间为[284.992,334.218],(334.218,463.868)和[463.868,1093.980],概率分别为0.27,0.47,0.26,所以降水量的预测值落在区间(334.218,463.868)内,区间均值为399.043mm.该方法充分利用了降水序列所给出的信息,得到了不同年份下的预测区间及概率,比直接利用神经网络预测得到的结果更加直观,预测精度较高,具有较强的科学性,预测结果更加具有说服力。上述研究表明,本文所使用的研究方法,经过实际应用研究证明,对降水量的预测是具有一定效用的,为年降水量的预测提供了一种新的研究方法,对于其他降水量的预测有一定的参考价值。
【关键词】：黄土丘陵半干旱区 降水量预测 BP神经网络 马尔可夫链
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O211.62;TP183
【目录】：

• 摘要6-8
• ABSTRACT8-12
• 第一章 文献综述12-15
• 1.1 研究意义及概况12
• 1.2 对所述研究方向阅读文献的概述12-13
• 1.3 所述研究方向的基本研究现状与发展趋势13-14
• 1.4 结论14-15
• 第二章 研究内容与方法15-20
• 2.1 研究区概况15
• 2.1.1 研究地区概况15
• 2.1.2 实验数据测定15
• 2.2 研究内容15-16
• 2.3 模型建立与研究方法16-20
• 2.3.1 马尔可夫预测法的基础原理16-17
• 2.3.1.1 马尔可夫预测法基本概念16-17
• 2.3.1.2 马尔可夫预测法的满足条件17
• 2.3.1.3 状态转移概率矩阵的计算。17
• 2.3.1.4 马尔可夫预测法的基本步骤17
• 2.3.2 BP神经网络模型17-20
• 2.3.2.1 BP神经网络的Matlab工具箱函数17-18
• 2.3.2.2 BP神经网络用于预测的步骤18-19
• 2.3.2.3 BP学习过程19
• 2.3.2.4 BP算法缺点小结19-20
• 第三章 降水量的年际变化特征20-22
• 3.1 降水量的年际变化特征20-21
• 3.2 结论21-22
• 第四章 基于神经网络的降水量预测22-28
• 4.1 数据预处理22
• 4.2 模型求解22-26
• 4.2.1 网络结构设计22-23
• 4.2.2 激励函数的选取23
• 4.2.3 模型的实现23-26
• 4.2.3.1 预测2007年的降水量23-24
• 4.2.3.2 预测2016年的降水量24-26
• 4.3 结论26-28
• 第五章 基于叠加马尔可夫链的降水量预测28-32
• 5.1 年降水量的预测28-30
• 5.2 结论30-32
• 第六章 基于BP神经网络马尔可夫模型的黄土丘陵半干旱区降水量预测32-35
• 6.1 模型的建立32
• 6.2 模型的求解32-34
• 6.3 结论34-35
• 第七章 结论与讨论35-37
• 参考文献37-39
• 致谢39-40
• 作者简介40

【相似文献】

中国期刊全文数据库 前10条

1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期

2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期

3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期

4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期

5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期

7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期

8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期

9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：896952