降水点分类预测方法研究
发布时间：2021-07-07 22:54
降水是云中水蒸气积累到一定程度的产物,与云的发生和发展紧密相关,云的形状、云的类型、云的移动速度以及云顶亮温等方面都有一定的关系,它的特性都直接关系着降水的有无甚至强弱。云顶亮温是通过气象卫星获取到的红外探测通道的数据,它是生成红外云图以及其他显示云图中最原始的定量资料。云顶亮温是以相对于黑体温度而言,它的值一般小于零,如果黑体温度越低,表明云顶越高,对流越活跃,从而降水的潜在性也越大,因此,我们可以根据云顶亮温值以及一系列的相关数据,通过网络模型的学习,使得为降水的预测提供可能性。本文在对降水点分类预测的研究过程中,主要做了以下工作:（1）分析了与降水有关的影响因子,然后选取了10个降水模拟参数,利用地面监测站的1小时加密降水数据,以及匹配到的FY-2C红外通道当前IR1数据、前一时次IR1数据、当前时次的水汽通道IR3数据,通过对两种文件类型的读取,再结合降水模拟参数,生成训练数据。（2）对贝叶斯网络和BP神经网络两种方法进行了研究,然后根据同样的方法,选取其他的时次的文件,生成预测数据,最后分别结合两种方法对预测数据进行了分类预测,统计了他们的分类结果。（3）最后对这两种方法进行...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.3 论文的主要工作
1.4 论文的组织结构
1.5 研究的技术路线
1.6 本章小结
第二章 获取训练数据
2.1 数据文件的匹配
2.2 文件读取
2.3 降水模拟参数的获取
2.4 训练数据的获取
2.5 本章小结
第三章 贝叶斯网络分类预测
3.1 基础知识
3.1.1 基本概率公式
3.1.2 贝叶斯概率
3.2 贝叶斯网络
3.2.1 贝叶斯网络的定义
3.2.2 贝叶斯网络的学习
3.3 贝叶斯网络分类器
3.3.1 贝叶斯网络分类器的定义
3.3.2 几种常见的贝叶斯网络分类器
3.3.3 分类器性能评价方法
3.4 基于贝叶斯网络的分类实验
3.4.1 建立贝叶斯网络分类器
3.4.2 基于贝叶斯网络分类器的数据预测
3.5 本章小结
第四章BP神经网络分类预测
4.1 BP神经网络
4.1.1 BP神经网络的原理
4.1.2 BP神经网络的激活函数
4.1.3 BP神经网络的学习规则
4.2 BP神经网络的模型的建立
4.3 BP神经网络的算法
4.4 基于BP神经网络的分类实验
4.4.1 BP神经网络分类器的评价
4.4.2 基于BP神经网络分类器的数据预测
4.5 本章小结
第五章两种分类方法的对比分析
5.1 本章小结
第六章 总结与展望
6.1 论文总结
6.2 本文的不足
6.3 工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于BP神经网络的降雨量预测研究[J]. 葛彩莲,蔡焕杰,王健,张鲁鲁. 节水灌溉. 2010(11)
[2]一种加权的红外图像线性归一化方法[J]. 伍世虔,卢宇,方志军,谢志华. 武汉理工大学学报. 2010(20)
[3]基于BP神经网络时间序列模型的降水量预测[J]. 刘莉,叶文. 水资源与水工程学报. 2010(05)
[4]利用FY-2C双光谱图像反演白天像素级逐时雨强[J]. 诸葛小勇,郁凡. 水科学进展. 2009(05)
[5]基于FY-2C卫星资料估算四川地面降水方法研究[J]. 王华荣,朱小祥,徐会明,顾清源. 气象. 2008(08)
[6]基于交叉验证技术的KNN方法在降水预报中的试验[J]. 曾晓青,邵明轩,王式功,刘还珠. 应用气象学报. 2008(04)
[7]投影寻踪回归与BP神经网络方法在前汛期降水预测中的比较研究[J]. 杨永生,何平. 气象与环境学报. 2008(01)
[8]吉林省一次区域性暴雨天气过程的TBB图像特征分析[J]. 胡中明,张智勇,王晓明,孙鸿雁. 暴雨灾害. 2007(02)
[9]四川2006年“9.3”暴雨过程中TBB与强降水对应关系分析[J]. 张驹,王敏,顾清源. 四川气象. 2007(02)
[10]利用卫星云图估算焦作市4-9月12h降水[J]. 闫小利,李艳红,卢学锋,宋自福,肖杰. 气象与环境科学. 2007(02)
博士论文
[1]人工神经网络的泛化性能与降水预报的应用研究[D]. 林开平.南京信息工程大学 2007
[2]基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学 2003
硕士论文
[1]云顶亮温与义乌市降水关系研究[D]. 张婷.浙江师范大学 2009
[2]基于人工神经网络模型的降水量预测研究[D]. 孙吉辉.中国海洋大学 2008
本文编号：3270516
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.3 论文的主要工作
1.4 论文的组织结构
1.5 研究的技术路线
1.6 本章小结
第二章 获取训练数据
2.1 数据文件的匹配
2.2 文件读取
2.3 降水模拟参数的获取
2.4 训练数据的获取
2.5 本章小结
第三章 贝叶斯网络分类预测
3.1 基础知识
3.1.1 基本概率公式
3.1.2 贝叶斯概率
3.2 贝叶斯网络
3.2.1 贝叶斯网络的定义
3.2.2 贝叶斯网络的学习
3.3 贝叶斯网络分类器
3.3.1 贝叶斯网络分类器的定义
3.3.2 几种常见的贝叶斯网络分类器
3.3.3 分类器性能评价方法
3.4 基于贝叶斯网络的分类实验
3.4.1 建立贝叶斯网络分类器
3.4.2 基于贝叶斯网络分类器的数据预测
3.5 本章小结
第四章BP神经网络分类预测
4.1 BP神经网络
4.1.1 BP神经网络的原理
4.1.2 BP神经网络的激活函数
4.1.3 BP神经网络的学习规则
4.2 BP神经网络的模型的建立
4.3 BP神经网络的算法
4.4 基于BP神经网络的分类实验
4.4.1 BP神经网络分类器的评价
4.4.2 基于BP神经网络分类器的数据预测
4.5 本章小结
第五章两种分类方法的对比分析
5.1 本章小结
第六章 总结与展望
6.1 论文总结
6.2 本文的不足
6.3 工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于BP神经网络的降雨量预测研究[J]. 葛彩莲,蔡焕杰,王健,张鲁鲁. 节水灌溉. 2010(11)
[2]一种加权的红外图像线性归一化方法[J]. 伍世虔,卢宇,方志军,谢志华. 武汉理工大学学报. 2010(20)
[3]基于BP神经网络时间序列模型的降水量预测[J]. 刘莉,叶文. 水资源与水工程学报. 2010(05)
[4]利用FY-2C双光谱图像反演白天像素级逐时雨强[J]. 诸葛小勇,郁凡. 水科学进展. 2009(05)
[5]基于FY-2C卫星资料估算四川地面降水方法研究[J]. 王华荣,朱小祥,徐会明,顾清源. 气象. 2008(08)
[6]基于交叉验证技术的KNN方法在降水预报中的试验[J]. 曾晓青,邵明轩,王式功,刘还珠. 应用气象学报. 2008(04)
[7]投影寻踪回归与BP神经网络方法在前汛期降水预测中的比较研究[J]. 杨永生,何平. 气象与环境学报. 2008(01)
[8]吉林省一次区域性暴雨天气过程的TBB图像特征分析[J]. 胡中明,张智勇,王晓明,孙鸿雁. 暴雨灾害. 2007(02)
[9]四川2006年“9.3”暴雨过程中TBB与强降水对应关系分析[J]. 张驹,王敏,顾清源. 四川气象. 2007(02)
[10]利用卫星云图估算焦作市4-9月12h降水[J]. 闫小利,李艳红,卢学锋,宋自福,肖杰. 气象与环境科学. 2007(02)
博士论文
[1]人工神经网络的泛化性能与降水预报的应用研究[D]. 林开平.南京信息工程大学 2007
[2]基于贝叶斯网络的知识发现与决策应用研究[D]. 张少中.大连理工大学 2003
硕士论文
[1]云顶亮温与义乌市降水关系研究[D]. 张婷.浙江师范大学 2009
[2]基于人工神经网络模型的降水量预测研究[D]. 孙吉辉.中国海洋大学 2008
本文编号：3270516
本文链接：https://www.wllwen.com/projectlw/qxxlw/3270516.html
