基于层次聚类的LSTM神经网络模型在江苏省降水量预测中的应用
发布时间：2021-09-17 06:34
大气降水是地表淡水的主要来源之一,许多地区的降水存在年际分配不均的状况,常常造成各地的旱涝灾害,因此探明降水的时空变化规律,对农业生产以及居民生活都具有重要的意义。本文给出通过运用聚类分析、主成分分析和基于LSTM的神经网络三种方法综合建立的预测模型,并对江苏省内62个气象观测站点的降水量时间序列进行了预测,预测效率和精度综合表现较好。文章的重点在于如何将62个时间序列数据简化分析,在提高分析效率的同时保证预测精度,同时可以达到使用个人计算机便可高效的预测这62个站点降水量的目的。本文第一步利用聚类分析将62个站点的降水序列分成若干个局部特征相似的子类,第二步利用基于主成分分析的序列压缩法求出每个子类的主导序列,第三步利用基于LSTM的神经网络时间序列预测模型对每个子类的主导序列分别进行预测,并反算出每一子类中各气象站点降水量的预测值,最后通过计算标准化均方误差NMSE值对建立的预测模型的精度进行评估。基于江苏省62个气象观测站点1961年至2019年的年降水量数据,利用R语言和Python语言对降水量时间序列数据进行降水量预测,以期为合理分配水资源和防范气象灾害,减少经济损失提供一定...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图１?ＤＴＷ距离计算方式表示??其次，这种扭曲必须满足一定要求，一是每个点都要被用到，不可跳过，并??
每个矩阵元素（ｉ，ｙ）代表着点仏和ｑ对齐。而这里的对齐顺??序是通过ＤＰ算法寻找一条通过此网格中若干格点的路径，此时路径通过的格点??即为计算时序列对齐的点。??０?Ｓ?１０?１ｆｌ?２０?２９?３０??????—？?＊?Ｍ?｜?ｉ?Ｉ?１?ＪｆＴ＇?Ｊ??（?ｍ?＾???／?．?？＝＝＝＝＾＾＾－＝；??Ｓ?ｊ＝＝ｉ＾：＝＝＝＝ｚ！：??ｙ?８??乙—＿??／?？?－ｉ－＋－ｚｚ—??ｌ?ｘ?．?．?Ｌ?Ｍ?ＩＮＩ?ｔｒｌ??１?ｉ?ｎ??图２规整路径的例子??将这条路径定义为规整路径（Ｗａｒｐｉｎｇ?Ｐａｔｈ），用Ｍ／表示，Ｗ的第ｆｃ个元素定??义为ｗｋ?＝?（ｉｊ）ｋ，定义了序列Ｑ和Ｃ的映射。所以有：??州＝Ｗｐｖｖ２，…，…Ｗｋ?ｒｒｍ；ｃ（ｍ，ｎ）?＜ｍ?＋?ｎ?—?１。??路径的选择需要满足以下几个约束：??１）边界条件：＝?和ｗｆｃ?＝?（ｍ，ｎ），简单地说，这要求所选择的路径必须??要从左下角出发，到右上角结束；??２）连续性：如果＝?那么路径的下一个点ｗｋ?＝?（ａ，；ｂ）需要满足（ａ?—??ａ＇）Ｓｌ和即不能跨过某点去匹配，只能与自己相邻的点对齐，??这样保证了序列Ｑ和Ｃ中的每个坐标均出现在州中；??３）单调性：如果Ｗｆｃ—ｉ?＝?（ａ？，那么路径的下一个点需要满足０?Ｓ??（ａ－￡〇和这便限制了?１４／中的点必须是随时间单调进行的，来??保证图２中的虚线不会相交。??根据连续性和单调性的约束，每个格点的路径便只有三个方向，即若路径己??经通过了格点ａｙ），那么通过的下一个格点只可能是下列三种情况之一（如图３??所示）：??１１??
?山东大学硕士学位论文???（ｉ?＋?ｌｔｊ），?（ｉ，ｊ?＋?１），?（ｉ?＋?ｌ，ｊ?＋?ｌ）〇??ｓ??图３格点路径方向的三种情况??同时，满足以上三条约束条件的路径有指数个，而这里仅对满足以下规整代??价最小的路径感兴趣［１?］：??ＤＴＷｄＱ，Ｃ）?＝?ｍｉｎ｛ＶＥＬｉＷｋ／４°?（３－１）??其中，分母中的主要是用来对不同长度的规整路径做补偿，因为不同路径的长??短不同，而较长的路径有较多的“点对”，便会有较多的距离去累加，所以就用总??距离除以Ｋ来得到单位路径的距离。??实际上，ＤＴＷ就是通过把时间序列进行延伸和缩短，得到时间序列之间距??离最短即最相似的那个规整，这个最短的距离即为时间序列之间最合适的距离度??量，也就是要选择一个路径，使最后得到的总距离最小，而这条路径能够通过ＤＰ??算法得到。这里需要明确一个累加距离（Ｃｕｍｕｌａｔｉｖｅ?Ｄｉｓｔａｎｃｅｓ）的定义［１］：??ｙ（ｉｊ＇）?＝?ｄ＾ｃ））?＋?ｍｉｎ?｛］／〇＿?１，）?－?ｌ），ｙ（ｉ?－?１）），?（３．２）??其中累积距离ｙａｙ）为当前格点距离ｄａｙ），即点仏与９之间的欧式距离与可以到??达该点的最近邻元素累积距离之和。从（〇，〇）点开始匹配序列Ｑ和ｃ之后，每到一??个点，之前计算的所有点的距离都会累加，当到达终点（ｎ，ｍ）时，这个累积距离??即为最后的总距离，也就是序列Ｑ和Ｃ的相似度。本文将使用Ｒ语言中ｄｔｗ包里??的ｄｉｓｔ函数求解ＤＴＷ距离。??３．３基于Ｃａｌｉｎｓｋｙ?Ｃｒｉｔｅｒｉｏｎ的聚类个数的确定??ＣａｌｉｎｓｋｙＣｒｉｔｅｒｉｏｎ［２１］，即?Ｃａｌｉｎｓｋｙ?准则，全称为?Ｃａｌｉｎｓｋｉ－
【参考文献】：
期刊论文
[1]不同模型在南宁市年降水量预测中的应用比较[J]. 杜懿,麻荣永,赵立亚. 人民珠江. 2018(04)
[2]基于ARMA模型的丹东市降雨时间序列分析[J]. 金冶. 水利规划与设计. 2017(05)
[3]基于RBF神经网络的降雨量预测[J]. 罗伟,马红丽,高海燕,杨艳,陶荣东. 内蒙古水利. 2014(06)
[4]基于小波分析的ARMA-GARCH模型在降水预报中的应用[J]. 王喜华,卢文喜,初海波,陈社明. 节水灌溉. 2011(05)
[5]基于小波消噪的平稳时间序列分析方法在降雨量预测中的应用[J]. 崔磊,迟道才,曲霞. 中国农村水利水电. 2010(09)
[6]基于时间序列分析的降雨量动态预测[J]. 徐文霞,林俊宏,廖飞佳,李国东. 安徽农业科学. 2009(36)
[7]降水量的BP人工神经网络预测模型及其应用[J]. 牛文全,李靖. 西北农林科技大学学报(自然科学版). 2001(04)
[8]神经网络BP模型用于月降水预报的研究[J]. 严绍瑾,彭永清,郭光. 热带气象学报. 1995(03)
[9]降水时间序列的聚类分析和预测[J]. 王永县,詹一辉,张少. 系统工程理论与实践. 1994(11)
本文编号：3398161
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
图１?ＤＴＷ距离计算方式表示??其次，这种扭曲必须满足一定要求，一是每个点都要被用到，不可跳过，并??
每个矩阵元素（ｉ，ｙ）代表着点仏和ｑ对齐。而这里的对齐顺??序是通过ＤＰ算法寻找一条通过此网格中若干格点的路径，此时路径通过的格点??即为计算时序列对齐的点。??０?Ｓ?１０?１ｆｌ?２０?２９?３０??????—？?＊?Ｍ?｜?ｉ?Ｉ?１?ＪｆＴ＇?Ｊ??（?ｍ?＾???／?．?？＝＝＝＝＾＾＾－＝；??Ｓ?ｊ＝＝ｉ＾：＝＝＝＝ｚ！：??ｙ?８??乙—＿??／?？?－ｉ－＋－ｚｚ—??ｌ?ｘ?．?．?Ｌ?Ｍ?ＩＮＩ?ｔｒｌ??１?ｉ?ｎ??图２规整路径的例子??将这条路径定义为规整路径（Ｗａｒｐｉｎｇ?Ｐａｔｈ），用Ｍ／表示，Ｗ的第ｆｃ个元素定??义为ｗｋ?＝?（ｉｊ）ｋ，定义了序列Ｑ和Ｃ的映射。所以有：??州＝Ｗｐｖｖ２，…，…Ｗｋ?ｒｒｍ；ｃ（ｍ，ｎ）?＜ｍ?＋?ｎ?—?１。??路径的选择需要满足以下几个约束：??１）边界条件：＝?和ｗｆｃ?＝?（ｍ，ｎ），简单地说，这要求所选择的路径必须??要从左下角出发，到右上角结束；??２）连续性：如果＝?那么路径的下一个点ｗｋ?＝?（ａ，；ｂ）需要满足（ａ?—??ａ＇）Ｓｌ和即不能跨过某点去匹配，只能与自己相邻的点对齐，??这样保证了序列Ｑ和Ｃ中的每个坐标均出现在州中；??３）单调性：如果Ｗｆｃ—ｉ?＝?（ａ？，那么路径的下一个点需要满足０?Ｓ??（ａ－￡〇和这便限制了?１４／中的点必须是随时间单调进行的，来??保证图２中的虚线不会相交。??根据连续性和单调性的约束，每个格点的路径便只有三个方向，即若路径己??经通过了格点ａｙ），那么通过的下一个格点只可能是下列三种情况之一（如图３??所示）：??１１??
?山东大学硕士学位论文???（ｉ?＋?ｌｔｊ），?（ｉ，ｊ?＋?１），?（ｉ?＋?ｌ，ｊ?＋?ｌ）〇??ｓ??图３格点路径方向的三种情况??同时，满足以上三条约束条件的路径有指数个，而这里仅对满足以下规整代??价最小的路径感兴趣［１?］：??ＤＴＷｄＱ，Ｃ）?＝?ｍｉｎ｛ＶＥＬｉＷｋ／４°?（３－１）??其中，分母中的主要是用来对不同长度的规整路径做补偿，因为不同路径的长??短不同，而较长的路径有较多的“点对”，便会有较多的距离去累加，所以就用总??距离除以Ｋ来得到单位路径的距离。??实际上，ＤＴＷ就是通过把时间序列进行延伸和缩短，得到时间序列之间距??离最短即最相似的那个规整，这个最短的距离即为时间序列之间最合适的距离度??量，也就是要选择一个路径，使最后得到的总距离最小，而这条路径能够通过ＤＰ??算法得到。这里需要明确一个累加距离（Ｃｕｍｕｌａｔｉｖｅ?Ｄｉｓｔａｎｃｅｓ）的定义［１］：??ｙ（ｉｊ＇）?＝?ｄ＾ｃ））?＋?ｍｉｎ?｛］／〇＿?１，）?－?ｌ），ｙ（ｉ?－?１）），?（３．２）??其中累积距离ｙａｙ）为当前格点距离ｄａｙ），即点仏与９之间的欧式距离与可以到??达该点的最近邻元素累积距离之和。从（〇，〇）点开始匹配序列Ｑ和ｃ之后，每到一??个点，之前计算的所有点的距离都会累加，当到达终点（ｎ，ｍ）时，这个累积距离??即为最后的总距离，也就是序列Ｑ和Ｃ的相似度。本文将使用Ｒ语言中ｄｔｗ包里??的ｄｉｓｔ函数求解ＤＴＷ距离。??３．３基于Ｃａｌｉｎｓｋｙ?Ｃｒｉｔｅｒｉｏｎ的聚类个数的确定??ＣａｌｉｎｓｋｙＣｒｉｔｅｒｉｏｎ［２１］，即?Ｃａｌｉｎｓｋｙ?准则，全称为?Ｃａｌｉｎｓｋｉ－
【参考文献】：
期刊论文
[1]不同模型在南宁市年降水量预测中的应用比较[J]. 杜懿,麻荣永,赵立亚. 人民珠江. 2018(04)
[2]基于ARMA模型的丹东市降雨时间序列分析[J]. 金冶. 水利规划与设计. 2017(05)
[3]基于RBF神经网络的降雨量预测[J]. 罗伟,马红丽,高海燕,杨艳,陶荣东. 内蒙古水利. 2014(06)
[4]基于小波分析的ARMA-GARCH模型在降水预报中的应用[J]. 王喜华,卢文喜,初海波,陈社明. 节水灌溉. 2011(05)
[5]基于小波消噪的平稳时间序列分析方法在降雨量预测中的应用[J]. 崔磊,迟道才,曲霞. 中国农村水利水电. 2010(09)
[6]基于时间序列分析的降雨量动态预测[J]. 徐文霞,林俊宏,廖飞佳,李国东. 安徽农业科学. 2009(36)
[7]降水量的BP人工神经网络预测模型及其应用[J]. 牛文全,李靖. 西北农林科技大学学报(自然科学版). 2001(04)
[8]神经网络BP模型用于月降水预报的研究[J]. 严绍瑾,彭永清,郭光. 热带气象学报. 1995(03)
[9]降水时间序列的聚类分析和预测[J]. 王永县,詹一辉,张少. 系统工程理论与实践. 1994(11)
本文编号：3398161
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3398161.html
