基于极限学习机的潜热通量插补研究和应用

发布时间：2020-11-11 19:38

　　 潜热通量是地球表面能量预算的重要组成部分,也是水文循环中重要的一环。完整的潜热通量数据是估算作物生长模型和水文模型的重要参数,对于精准计算农作物需水量,农业用水调控和区域水资源管理有重要意义。但由于天气及其它原因,检测潜热通量数据的涡度相关仪会受到不同程度的损坏,造成数据的缺失,难以提供完整的潜热通量数据。因此,潜热通量缺失数据的补全就成了亟需解决的问题。传统的潜热通量插补模型需要大量的气象数据,计算过程也比较复杂。在气象资料缺乏的情况下难以精准计算。本文旨在研究当气象资料缺乏情况下采用机器学习方法对潜热通量缺失数据进行插补。本文的主要研究内容包括:(1)使用机器学习的方法对潜热通量影响因子进行特征分析和选取,并从生态学角度对结果进行分析论证。(2)基于选取的影响因子,分别使用极限学习机,误差反向传播神经网络,支持向量回归和XGBoost(eXtreme Gradient Boosting)等机器学习方法对缺失的数据进行插补,实验结果表明,XGBoost与极限学习机效果最佳,R2分别达到了 0.8672与0.8504,但极限学习机在参数调整上更加简便,因此选取极限学习机作为进一步研究的方法。(3)极限学习机初始参数随机导致结果不稳定,而且隐藏层节点过多时会出现过拟合情况,为了提高极限学习机的泛化性能引入核极限学习机,在使用遗传算法进行参数调优后核极限学习机的R2达到了 0.8545,同时在此基础上,根据潜热通量的特性进行分时段实验,结果显示最佳R2可达0.8836,是一种更合适的潜热通量插值补全策略。
【学位单位】：北京林业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：P422;TP181
【部分图文】：

１０７°４ｒ，位置如图２．１所示，总面积７１３０ｋｍ２。四周与陕西、甘肃、省相接，是四省的交界处。地形南边较高北边较低，从黄土高原向过渡，北方即是毛乌素沙漠地区。属于干旱向半千旱逐渐过渡的地区境过去并非如此，是由于长时间的农业耕作，土地以及水资源利用有其他的一些人为及自然因素，导致土地荒漠化日益严重。如今，貌中占了很大的比重（张克斌，王锦林等，２００３）。??属于半荒漠草原地区，干旱、大风以及丰富的沙物质是影响盐池县自然因素。盐池自然环境种最典型的特征就是干旱。由于其地理特征，南向北，从东南向西北递减的规律。并且由于受季风的影响，降水均，主要降水时间集中在夏季和秋季。８０％以上的降水量都在５—９县春天发生旱情的总占比达到近九成（樊胜岳，周立华等，２００５）。??峻的水资源缺乏现状，以往在该地区的研宄主要集中在植物抗旱方面，??物个体水分的吸收情况与土地含水量等，较少关注到提高水的利用率盐池潜热通量的研宄，可以对盐池地区林地草地合理灌溉提出正确如何利用影响因素的变化来提高潜热通量的利用也有意义。??

以有很好的容错性和鲁棒性。??（３）具备强大的数据处理能力，在同一时刻不仅能够处理一个特征，而是采??用并行分布式处理，可以同时处理实物的多个特征，在数据的并行处理能力上得??到了很大的提升。??（４）由于在神经网络中，最终得到的结果是中间大量神经元共同贡献的，当??其中一个神经元出现问题的时候，其它神经元不会受到影响，因此最终的结果不??会受到很大的影响。??（５）在运行的过程中设定好初始参数后无需再对模型进行调整，只需让其自??行学习即可，拥有自学习的特点。??２．２．１基本概念??从生理学的角度来看，人类大脑中最基本的单位就是神经元。从神经生理学??和神经解剖学的角度己经有很多的实验证明了人的大脑皮层控制着人的行为活??动，在我们的大脑皮层中，存在着上亿个神经元。基本的神经元的结构如图２．２所??示。神经元拥有不同的性能和功能，它们通过连接的区别构成了不同的类型，人??类一切的行为和活动就是由基础神经元组成的神经网络所控制。??

－：??＝［ｘ，，ｘ２．．．．，ｘ？］?（２－２）??可以表示为（２－３）：??ｗ，?＝［ｖｔ？，，ｗ２，ｖｉ；３］?（２－３）??结构??经网络是目前被广泛应用在工业界，同时科研人员对其依然保持着经网络之一。传统的前馈神经网络的学习速度通常远远低于要求，多层神经网络是它在过去应用受限的重要因素之一。在误差反向传之后，多层神经网络才被实现，ＢＰ神经网络是最经典的多层前馈型络结构分为三层，分别是输入层、隐含层和输出层，在神经网络中个神经元组成，这些神经元可以同时进行并行计算。ＢＰ神经网络模的神经元之间不发生接触，只与其之后一层的神经元有信息交流，误差反向传递进行参数调节即可训练得到最后的模型。图２．３展示络的拓扑结构。??
【相似文献】

相关期刊论文 前10条

1 沈晗;李江南;温之平;蔡榕硕;;热带西太平洋潜热通量异常影响华南6月降水的模拟研究[J];热带气象学报;2012年05期

2 吴洪颜,申双和,徐为根,李秉柏;关于棉田感热通量和潜热通量的几种计算方法[J];气象科学;2000年04期

3 李美;康春丽;李志雄;荆凤;薛艳;闫伟;;汶川M_S8.0地震前地表潜热通量异常[J];地震;2010年03期

4 赵静;张吴明;焦中虎;;对东日本大地震序列潜热通量异常现象的讨论[J];中国地震;2017年02期

5 杨莲梅;张庆云;;南疆夏季降水异常的环流和青藏高原地表潜热通量特征分析[J];高原气象;2007年03期

6 B.J.Choudhury;R.J.Reginato;S.B.Idso;肖淑招;;小麦冠层红外温度观测结果的分析和潜热通量的计算[J];气象科技;1987年03期

7 李诗明,周明煜,吕乃平,苏立荣,ManLi,CWu,吴志明;50°S以南海域的感热潜热通量的模式计算[J];地球物理学报;1997年04期

8 刘娜;吴德星;林霄沛;;近50年东中国海潜热通量的变化[J];中国海洋大学学报(自然科学版);2010年04期

9 孙虎林;黎伟标;;ENSO冷暖事件期间海气潜热通量特征分析[J];热带海洋学报;2008年04期

10 王丹;盛立芳;高红燕;杨新;李建科;;孟加拉湾潜热通量与陕西秋季9-10月降水的关系[J];资源科学;2014年04期

相关博士学位论文 前3条

1 曹宁;海气通量的变化、趋势及其气候效应：观测与模拟研究[D];中国科学技术大学;2016年

2 郑建秋;西北太平洋年际和季内尺度海气相互作用研究[D];中国科学技术大学;2010年

3 张志森;基于信息论的海气系统信息传输特征研究[D];兰州大学;2015年

相关硕士学位论文 前10条

1 司超;基于极限学习机的潜热通量插补研究和应用[D];北京林业大学;2019年

2 唐慧琴;BCC_CSM1.1m对影响华南夏季干旱的海表潜热通量的模拟评估[D];南京信息工程大学;2016年

3 王丽娟;南海海气界面潜热通量对南海夏季风爆发影响的研究[D];中国气象科学研究院;2008年

4 李鑫;稻麦轮作田下垫面的感热和潜热通量特征分析[D];南京信息工程大学;2017年

5 刘嘉慧敏;西太平洋热力特征异常与中国南方秋冬季气候的关系及其可能的物理机制[D];南京信息工程大学;2015年

6 张雪清;基于遥感的三峡库区典型样区潜热通量反演[D];西南大学;2012年

7 张果;内蒙古荒漠草原的地表反照率动态及其对陆—气通量的影响分析[D];中国气象科学研究院;2010年

8 徐文明;太平洋潜热变化及其与中国冬季气温的关系[D];南京信息工程大学;2006年

9 伍雄昌;基于遥感的福州市人工热排放研究[D];福建师范大学;2013年

10 韩婷婷;再分析和协同观测数据的差异性分析研究[D];兰州大学;2014年

本文编号：2879644