日光温室小气候预报技术研究

为了提高设施农业气象服务水平,促进中国设施农业发展,通过对日光温室内外气象条件对比观测,分别采用BP神经网络、逐步回归和能量平衡原理构建了温室内气温预报模型,探讨能适用于业务服务的小气候预报技术方法。结果表明,基于BP神经网络的预报模型虽预报精度高,由于种植作物生长特性差异较大,缺乏服务的广适性;通过能量平衡原理构建的预报模型机理性强,但相关参数难以获得,预报精度差,服务时效短;采用逐步回归方法构建的温室温度预报模型较前两者具有比较优势,且预报时效可以为未来的1~7天,比较适合于目前气象部门开展设施农业气象服务。     

山西日光温室逐日极端气温预测模型研究

利用山西省忻州市日光温室的室内小气候观测数据及气象站资料,用BP神经网络及逐步回归法建立以多种输入变量的不同天气条件下的日光温室内最高温度、最低温度的模型。结果表明,利用BP神经网络及逐步回归法建立的模型R2均在0.96以上,RMSE与AE大部分在2℃之下。利用逐步回归方法在模拟日光温室内晴天最高、最低温度和寡照的最高温度精度较高,利用BP神经网络模型在多云的最高、最低温度与寡照的最低温度模拟的精度较高。选择精度更好的模型对日光温室的极端气温做准确的预测,可为山西省设施农业的管理和调控及小气候预报提供支持。     

辽宁春季界限温度发生日期的预报方法研究

为了在春季气候预测工作中,尽可能准确地预测辽宁春季稳定通过5℃的日期,采用1961—2010年辽宁省53站逐日气温资料和NCEP/NCAR再分析的月平均位势高度场、海平面气压场资料以及由NOAA重构的月平均海温场资料,通过相关分析方法并开展物理因子的普查工作,寻找辽宁春季稳定通过5℃日期的影响因子,并利用多元线性回归方法建立预报方程。结果表明：1961—2010年辽宁春季气温稳定通过5℃日期随时间有提前出现的趋势;稳定通过5℃日期与2月北大西洋海温、1月西北太平洋海温、2月北极涛动、1月印度洋海温、10月阿留申低压强度和1月北大西洋涛动关系密切;建立的预报稳定通过5℃日期的多元线性回归方程具有显著意义。     

大连地区气温的统计特征及数值预报检验

为了提高大连地区温度预报的准确率,笔者利用2003—2013 年大连地区自动站温度资料、2013年6 种数值预报产品以及大连市气象台预报的产品,统计2003—2012 年10 年7 站20—20 时最高、最低温度在不同季节的出现时间的频率,对2013 年数值预报产品进行温度检验,检验时效为24 h。结果表明：大连地区最高、最低温度出现时间的频率分布均呈双峰型,最高温度多出现在14 时和21 时,最低温度多出现在5 时—8 时和21 时;在6 种数值预报产品中,一般是SCMOC对南部地区的温度预报的较好,对北部地区的温度来说是ECMWF预报的相对较好,而且整体上最高温度的正确率总是低于最低温度的正确率。     

用模糊神经网络提高洪峰预报精度的研究

在大量研究的基础上,提出了基于模糊理论的神经网络改进算法,用来提高对洪峰的预报精度。该方法在网络训练时引入模糊理论来确定网络误差修改的程度。引入的算法增大了大值输出样本和期望输出的误差,使得网络向着提高洪峰拟合精度的方向修改权重。应用表明,改进的模糊BP神经网络能够较好的反映洪水演进机理,提高了神经网络洪水预报模型对洪峰的预报精度,保证了洪峰预报的可靠性。     

T639数值预报产品对石河子垦区降水预报的检验

利用石河子垦区2017年(1~8月)大降水实况资料与预报场计算绝对误差和相关系数,对T639细网格数值模式产品的物理量场资料进行预报统计检验。结果表明:(1)T639细网格数值模式产品500 h Pa高度场、水汽场和动力场预报,对短期和中长期预报有一定的指导作用;(2)物理量场相关系数0.6的仅供预报参考,物理量场相关系数0.6的可作预报依据;(3)通过检验,预报时效近期比远期好,绝对误差随预报时效延长而增大,相关系数随预报时效延长而减小,24 h和48 h预报参考价值最大;(4)低层物理场预报一般比高层物理场预报绝对误差小,相关系数随预报时效延长而逐渐减小,对流层中低层850 hPa和700 hPa预报比500 hPa预报参考价值大。     

黑龙江省甜菜农业气象年景评估方法

探讨甜菜农业气象年景评估方法旨在为甜菜农业生产、种植计划调整及栽培管理提供指导。利用黑龙江省11个甜菜栽培市(地) 1986—2012年期间的甜菜单产和播种面积资料、以及同期逐日气温、降水量、日照时数资料,基于气候适宜度指数法和加权系数法构建了各市(地)甜菜农业气象年景逐步回归模型和黑龙江省甜菜农业气象年景评估模型。结果表明,各市(地)甜菜农业气象年景值 Fi 与关键生育期的综合气候适宜度指数存在极显著的相关关系,均通过高于p<0.02水平的极显著性统计检验;回代检验各市(地)准确率在73.7%～88.5%,黑龙江省准确率为81.0%;2013年预报检验各市(地)平均准确率为76.9％,黑龙江省准确率为100％,2013年黑龙江省甜菜农业气象预测年景和实际年景均为平年。【结论】基于气候适宜度指数法和加权系数法构建的黑龙江省甜菜农业气象年景评估模型评估和预报准确率较高,可初步用于黑龙江省甜菜农业气象年景评估、业务预报与服务。     

四川省农田小气候预测模型初步研究

为了解决农用天气预报中农田小气候观测资料缺乏的问题,本研究以地表土壤温度为例,利用四川省绵阳站的1981—2009年29年的日平均气温和地表温度资料,研究了地表温度与气温的交叉相关关系,并利用逐步回归统计方法建立了以气温为自变量的地表土壤温度预报模型,并进行了统计检验和预测试验。结果表明,大部分预测值与实测值的误差都在+1.0℃~-1.0℃以内,平均相对误差均低于10%,说明预报方程有较高的精度,可以用于地表土壤温度的预测中。     

基于气候适宜指数的湖南早稻产量动态预报

早稻生长发育和产量形成过程与气象条件密切相关,开展早稻产量动态预报对湖南农业生产和粮食安全具有重要意义。从湖南早稻生长发育的上限温度、最适温度、下限温度、需水量、需光特性等生物学特性出发,建立湖南早稻气候适宜度模型,采用权重系数的方法构建湖南早稻气候适宜指数。选取15个代表站点,统计分析1961—2009年不同时段湖南早稻气候适宜指数与产量丰歉值的关系,建立了基于气候适宜指数的湖南早稻产量动态预报模型,并从模型预测值与实测值增减趋势一致的样本百分率、预报准确率等方面进行回代检验。利用2010—2012年资料进行外推检验。检验结果表明,建立的预报时间为4月30日、5月20日和6月20日的基于气候适宜指数的湖南早稻产量预报模型预报值与实测值增减趋势一致的样本百分率为64%~73%,预报准确率平均为94.7%~96.3%。研究结果表明,建立的基于气候适宜指数的早稻产量动态预报模型,能够满足湖南早稻产量预报业务服务的需要。     

基于关键气象因子的山东省棉花产量预报

棉花是山东省重要的经济作物,其生长发育和产量形成与气象条件密切相关,开展棉花产量预报对山东省经济安全具有重要意义。利用山东省1990—2020年棉花产量资料及同期山东省17个气象站的逐日平均气温、降水量和日照时数,通过膨化处理及相关分析确定影响山东省棉花产量的关键气象因子,建立以候为时间步长的山东省棉花产量动态预报模型。将全省划分为4个区域,利用模型对全省及各区域1990—2016年棉花产量进行回代检验,对2017—2020年棉花产量进行试报。结果表明,模型回代检验全省平均准确率为94.1%,各区域检验准确率在87.3%～94.1%之间;预报准确率全省平均为95.1%,鲁南、鲁中、鲁西北、鲁东地区预报平均准确率分别为92.1%、91.5%、91.5%、90.9%。研究结果为山东省棉花产量的定量、动态、精细化预报提供理论依据。     

基于人工神经网络的落叶松毛虫发生量预测模型的研究

运用人工神经网络的原理和算法,根据相关系数法和逐步回归法选取了蒸发量、气温、风速、相对湿度等气象因子作为预报因子,建立了内蒙古东部地区的鄂伦春自治旗落叶松毛虫的发生面积及虫口密度与气象因子之间的BP网络模型。结果表明：所建立的模型具有较高的预测效果。通过逐步回归筛选出的预报因子,与事实吻合,选取合理。误差较小,控制在0.1%~25.0%之间。可以作为病虫害综合防治的依据。     

基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析

为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。     

城市建设用地规模预测模型探讨 ——以河北省邢台市为例

国内众多专家学者对确定城市合理用地规模的方法上进行了多角度探索,本研究有益借鉴这些成果,采用多元线性回归分析和BP神经网络2种较成熟的预测模型,选取城市建设用地面积、地区生产总值、固定资产投资、城市人口数、年末道路面积、城市园林绿地面积、商品房平均售价为观测指标,分析预测河北省邢台市的建设用地规模。结果表明,预测结果并不理想,预测值与实际值的误差始终存在,并随时间推移不断扩大,深入分析预测结果产生偏差的原因,即忽视了非理性因素对城市建设用地规模的影响。建议引入行为金融学理论,将研究对象具化到个人,研究土地市场管理者和投资者在决策过程中的认知、行为偏差,分析城市建设用地面积持续蔓延的非理性动力,应用行为组合理论和资产定价模型对传统研究范式进行有益补充和修正,进而更科学地把握城市用地空间形成机制及演变规律。     

辽宁省松毛虫发生面积气象预报方法研究

为了利用气象因子预测松毛虫的发生面积,基于辽宁省阜新县1983—2008年气象资料与松毛虫发生面积等资料进行相关分析,将筛选出的气象因子作为预报因子,通过多元回归法和人工神经网络法对松毛虫发生面积进行模拟和预测。结果表明,与松毛虫发生面积显著相关的5个气象因子包括：上一年12月平均最低温度、上一年11月平均相对湿度、上一年9月降水量、本年2月降水量和本年3月降水量;人工神经网络法的模拟和预测精度均优于多元回归法,多元回归法的预测精度58.2%,人工神经网络法的预测精度为83.6%;人工神经网络法更适用于辽宁地区松毛虫发生面积的预报。     

BP神经网络在烟蚜发生程度预测中的应用

为实现对烟田烟蚜发生程度的预测预报,以12年的历史资料为基础数据,采用BP神经网络方法建立了烟蚜发生程度的预测模型。该模型对待测样本的预测准确度为99.43%,回测准确度为87.36%。所建立的预测模型可提前1个多月对烟蚜发生程度进行预测,为中期预测模型,其预测结果可为烟田蚜虫综合治理提供依据。     

雄先型核桃雄花疏除的二次回归与BP神经网络模型研究

雄先型核桃雄花疏除（去雄）是提高产量的重要管理措施,为提高核桃去雄的效率,建立二次回归与BP神经网络模型。分别以乙烯利、赤霉素和甲哌鎓为自变量和核桃雄花脱落率为响应指标,进行田间建模试验,建立了二次多项式回归方程和BP神经网络模型,并于翌年进行BP模型田间确认试验。试验数据分为训练集、确认集和试验集,中心组合（二次旋转回归试验设计）田间建模试验得到的20组数据随机划为训练集(17)和确认集(3)数据,试验集为翌年田间确认试验得到的数据,BP神经网络的拓扑结构为3-5-1。（1）BP神经网络对确认集样本的预测值误差分别为1.3550%、0.4291%、0.3538%;（2）BP神经网络的预测值与田间确认试验结果相差为2.04%,回归预测值与田间确认试验结果相差为3.12%;（3）BP神经网络预测比回归预测提高预测精度1.0%以上。将二次多项式逐步回归分析和BP神经网络方法有效的结合使用,既可明确各因子的作用效应亦可得到相对准确的预测结果。     

Nonlinear Forecast System for River Water Pollution Based on GIS

Based on the analysis of the water pollution spatial distribution characters of Yangtze River in Chongqing,a new method based on the integration of BP neural network and genetic arithmetic(GA) is proposed.For some shortcomings existed in the standard BP neural network,this method has ultimately overcome these shortcomings by combining the GA with BP artificial neural network through altering stimulating function,adding momentum factor to power value for BP algorithm and introducing genetic arithmetic to searching for the knots of the hidden layer,momentum factor and learning level.Using this method can easily overcome the difficulty of measuring the water prediction model's parameters.GIS is used as a tool for data management and spatial analysis,and the prediction result of the model for the water pollution spatial distribution characters of Yangtze River in Chongqing is visualized and explored with the precision of more than 78%.