基于BP神经网络的10～320cm地温推演模型的研究

发布时间：2023-05-22 01:24

　　本论文针对气象观测中地温数据缺测以及国家一般气象站无深层地温观测的问题,用BP神经网络建立了实时地温推演模型和深层地温推演模型。主要研究内容如下:1、围绕地温模型的输入向量是气温、地温观测值的设计要求,分析各层地温的变化特征,引用采样定理分析输入向量的时间跨度,确定了实时地温推演模型和深层地温推演模型各自的输入向量、输出向量的元素组成方案。用单因素法测试,确定了神经网络的训练函数、隐藏层节点数的选取。2、通过分析和测试确定了训练样本的选择方案,为使网络能够兼顾输出精度和泛化能力,建立了 24个实时地温推演模型,对应每日24个时间整点。用基准站的数据训练网络,反复调试神经网络参数,筛选出误差性能最好的地温模型,然后用基本站的数据做了对比测试。3、对深层地温推演模型的6种方案分别进行训练和测试,统计各方案最佳模型的推演误差,筛选出的两个不同时间跨度的最佳模型,比较了气象站深层地温观测值和最佳模型的推演值之间的差异和联系。4、研究了基于滑动平均滤波的160cm、320cm地温推演值修正方法。测试结果表明:实时地温推演模型模型误差很小,可用于本站整点地温观测数据缺测的填补;深层地温推演模型可用...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 前言
    1.1 研究背景及意义
    1.2 研究现状
    1.3 研究内容
    1.4 论文组织结构
第二章 地温推演模型的设计
    2.1 神经网络模型设计
        2.1.1 基本原理
        2.1.2 模型建立过程
        2.1.3 创建代码
        2.1.4 隐藏层设计
    2.2 实时地温推演模型的输出向量和输入向量
        2.2.1 地温变化情况分析
        2.2.2 输出向量的选取
        2.2.3 输入向量的选取
    2.3 深层地温推演模型的输出向量和输入向量
        2.3.1 地温变化情况分析
        2.3.2 输出向量选取
        2.3.3 输入向量选取
    2.4 本章小结
第三章 实时地温推演模型
    3.1 训练参数的调试
        3.1.1 输入向量和目标向量的组成方案
        3.1.2 训练函数
        3.1.3 隐藏层节点数
        3.1.4 权值、阈值
        3.1.5 训练样本的选取
    3.2 实时地温推演模型的测试
        3.2.1 分时间点建立模型
        3.2.2 基准站测试
        3.2.3 基本站对比测试
    3.3 本章小结
第四章 深层地温推演模型
    4.1 输出深层地温的神经网络模型
        4.1.1 模型输入和输出
        4.1.2 40～320cm地温同时作为模型输出
        4.1.3 40～160cm地温作为模型输出
        4.1.4 320cm地温作为模型输出
        4.1.5 各模型对比
        4.1.6 基准站与基本站深层地温比对分析
    4.2 模型输出值的滤波处理
        4.2.1 中值滤波和滑动平均滤波
        4.2.2 滤波处理结果
    4.3 320cm地温推演值的修正方案
        4.3.1 基本站与基准站20cm地温日平均值滤波比对
        4.3.2 基本站320cm地温推演值滤波处理后与观测值的差
        4.3.3 神经网络模型输出基本站320cm地温的修正
    4.4 本章小结
第五章 总结与展望
    5.1 课题总结
    5.2 课题展望
致谢
参考文献
附录A
附录B
作者简介
    基本情况
    攻读硕士学位期间科研成果情况



本文编号：3821730