發(fā)布時間：2020-12-09 17:14

　　可靠的短期或者長期降水量預報不僅可以為旱澇災害預警提供關鍵信息,而且對于水資源管理,農業(yè)耕種以及生態(tài)環(huán)境建設有很大的參考價值。然而,降水是一個復雜的非線性大氣過程,具有空間和時間依賴性。因此,了解降水的復雜性和可預報性,并在月或季節(jié)尺度上準確地預報降水量具有一定挑戰(zhàn)性。為了提高月降水量的預報精度,本文提出了基于數(shù)據(jù)分解的最小二乘支持向量機（LSSVM）月降水量預報模型,并利用長江流域138個氣象觀測站1960-2012年逐月的降水量資料以及11個大尺度氣候指數(shù),對長江流域各站點分別進行了月降水量預報研究。其中,1961-2002年的數(shù)據(jù)用于訓練模型,2003-2012年的數(shù)據(jù)用于測試模型。首先,通過計算預報因子與標準化月降水量之間的偏信息（PI）,來選取預報因子的最佳滯后期以挑選最佳模型輸入。然后,利用差分進化（DE）算法優(yōu)化最小二乘支持向量機的模型參數(shù),以構建LSSVM月降水量預報模型。為研究數(shù)據(jù)分解方法對LSSVM模型預報性能的改進,本文利用經驗模態(tài)分解（EMD）或者離散小波變換（DWT）分別對原始序列進行分解再耦合LSSVM模型以分別構建EMD-LSSVM和DWT-LSSVM月降... 

【文章來源】：湖南師范大學湖南省 211工程院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

研究區(qū)和138個觀測站點分布

?１１５ＷＥ?１２０ＷＥ??圖２－ｌ研究區(qū)和１３８個觀測站點分布??Ｆｉｇｕｒｅ?２－ｌ?Ｓｔｕｄｙ?ａｒｅａ?ａｎｄ?ｌｏｃａｔｉｏｎ?ｏｆ?１３８?ｓｅｌｅｃｔｅｄ?ｒａｉｎｆａｌｌ?ｓｔａｔｉｏｎｓ??８??

只需要滿足分解停止準則就能獲得所需的本征模函數(shù)。本文將每個初始時間序列都??分解為５個本征模函數(shù)分量和１個殘差，其中５個本征模函數(shù)的頻率按順序從最高??到最低排列。圖５－１?（ａ）給出了玉樹（５６０２９）站點標準月降水量的經驗模態(tài)分解的??分解結果圖。在離散小波變換的分解過程中，采用了?Ｍｅｙｅｒ小波來構造小波基，并??將原始時間序列分解為５個細節(jié)分量（砧，／）２，…，Ａ?）和１個近似分量（為）。圖??５－１?（ｂ）顯示了玉樹站點標準月降水量的離散小波變換的分解結果圖。從圖５－１可以??觀察到，本征模函數(shù)分量和細節(jié)分量在頻率，振幅和波長上都發(fā)生了變化。Ａ??包含了振幅最大，頻率最高，波長最短的部分。隨著分解層數(shù)的增加，本征模函數(shù)??分量和細節(jié)分量在振幅和頻率上依次遞減，并且在波長上依次增加。??２２??

【參考文獻】：
期刊論文
[1]基于PSO-LSSVM的干旱區(qū)中長期降水預測模型研究[J]. 孟錦根.  長江科學院院報. 2016(10)
[2]基于支持向量機（SVM）的祁連山典型小流域日降水-徑流模擬研究[J]. 于海姣,溫小虎,馮起,何志斌.  水資源與水工程學報. 2015(02)
[3]盛夏副高東西位置異常變化對我國氣候的影響及預測研究[J]. 黃志萍,任廣成,夏軍.  海洋預報. 2012(03)
[4]基于SVM分類的淮河流域夏季降水預測模型[J]. 吳有訓,劉勇,葉金印,余品忠.  中國農業(yè)大學學報. 2011(05)
[5]時間序列模型在降水量預測中的應用研究[J]. 常青,趙曉莉.  計算機仿真. 2011(07)
[6]支持向量機(SVM)方法在降水分類預測中的應用[J]. 楊淑群,芮景析,馮漢中.  西南農業(yè)大學學報(自然科學版). 2006(02)



本文編號：2907200