基于小波神经网络方法的降水量预测研究

小波神经网络作为国际上新兴的一种数学建模分析方法,充分继承了小波变换良好的时频局部化性质及神经网络的自学习功能和极强的非线性能力等优点.降水量预测模型中神经网络选择BP网络,隐含层激发函数选取Morlet小波,并利用MATLAB编写预测程序,运用吉林西部地区白城、长岭、前郭3个测站1957-2010年的降水资料对模型进行训练、检验,进而预测三站未来十年的降水量.研究结果表明,小波神经网络预测模型对降水量的变化趋势预测准确,结构简单,收敛速度快,具有较高的实际应用价值,但其对于降水量具体值的预测精度有待于进一步提高;未来十年,吉林西部地区将处于降水量变化周期的丰水阶段,各相关部门应根据实际情况做好相应的准备.     

基于小波分析的黄河上游径流变化周期研究

为了研究黄河上游径流变化周期,在综合评述已用方法的前提下,引入了小波分析法;然后采用Morlet连续小波变换,对兰州和贵德2站84年(1920～2003年)年径流时间序列变化特征进行了多时间尺度分析,揭示出黄河上游年径流在不同时间尺度下的小波变换时频特征及其丰、枯交替变化的周期规律;进一步分析其径流变化规律,发现黄河上游年径流变化具有同步性,现正处于偏枯期;最后对分析结果进行小波系数过程线及方差图检验,得出黄河上游年径流具有32年的主周期变化规律,同时预测2007年后的17年(2008～2024年)时期内,将处于偏丰期。     

基于R/S分析的昆明城区降水量枯水预测

运用R/S分析法,对昆明气象站1951-2007年降水系列中的枯水年进行数值分析计算,结果显示其Hurst指数为0.988,表明昆明城区枯水年具有很强的持续性.在此基础上预测出昆明城区下一个枯水年的出现时间以及降水量,并经检验得知下一个枯水年出现时间的误差范围.若能对R/S法的关键边界条件继续进行界定,其预测精度将有望得到进一步的提高,而由此所得到的预测结果便可更好地服务于人民的生活及生产.所进行的定量预测分析亦是本文区别于现有研究的一个创新点,其对我国防灾减灾工作的开展具有一定的指导作用.     

小波分析在宜昌地区降水变化中的

区域降水量是重要的气候变量,研究其对气候变化的影响具有十分重要的意义。利用宜昌地区1960～2006年近50年的汛期和年降水作为观测资料,采用墨西哥帽函数（MHF）作为小波函数,分析了汛期降水和年降水的多时间尺度变化特征。结果表明,在较小时间尺度上,汛期降水与年降水在时域上的分布具有很大的相似性;在较大时间尺度上,年降水的演变略滞后汛期降水。并且推测宜昌地区在未来几年内降水将偏少,这为短期气候的预测提供了一定的参考。     

小波神经网络在降水量预测中的应用研究

根据吉林西部的自然条件,运用小波神经网络方法,分别对乾安、通榆、扶余三个地区1957-2010年的月降水量资料进行分析,利用多组输入输出数据对模型进行训练,最终分别确定上述三地区任35a的相应降水量值与之后10a每年月降水量最大值、最小值及平均值之间的映射关系,并预测这三个地区2011-2020年的降水量值。与前人利用一组输入输出数据对模型进行训练不同,本文利用多组输入输出样本对模型进行训练。使模型更可靠,更贴近实际,进一步提高了模型的精确性。结果表明:采用小波神经网络方法对降水量进行预测,方法可行、精度较高、结果可靠;上述三地区2011-2020年平均降水量较1957-2010年平均降水量偏少,处于降水量变化周期的枯水期。降水量预测可为当地的防洪、抗旱工作提供依据。     

小波分析方法在月降水量多时间尺度分析中的应用

为了研究查哈阳灌区月降水量在时域中存在的多层次时间尺度结构和局部化特征,运用小波分析理论,采用Mexican Hat小波函数对降水量序列进行小波变换,进而分析其多时间尺度特性,揭示降水量在不同时间尺度下的小波变换时频特征及其丰枯交替变化的周期规律。研究结果表明,从80~120个月的较大尺度来看,灌区的月降水量可能存在30年左右的周期变化,且未来5年将仍处于偏少期;随着尺度的减小,则表现出突变点增多、周期变小的现象,且降水量很快就会从偏少期转为偏多期。     

基于小波分析的年最大径流预测方

径流序列可以看成是各种不同成分线性叠加构成的时间序列。利用小波变换良好的局部化时频分析能力，将年最大径流序列进行分解，使其趋势项、周期项和随机项得以分离。各子序列分别代表不同的时间尺度，反映了各种物理因素对径流过程的影响。然后根据各子序列的特性分别建立幂函数、周期函数或ARMA模型并进行预测。最后将各子序列的预测值合成，得到年最大径流序列的预测值。对宜昌站1991年至2002年最大径流量的预测结果表明，该方法是切实可行的。并指出小波包变换在分析中、高频信息方面优于小波变换，有助于进一步提高预测的精度。     

小波分析在宜昌地区降水变化中的应用

区域降水量是重要的气候变量,研究其对气候变化的影响具有十分重要的意义.利用宜昌地区1960-2006年近50年的汛期和年降水作为观测资料,采用墨西哥帽函数(MHF)作为小波函数,分析了汛期降水和年降水的多时间尺度变化特征.结果表明,在较小时间尺度上,汛期降水与年降水在时域上的分布具有很大的相似性;在较大时间尺度上,年降水的演变略滞后汛期降水.并且推测宜昌地区在未来几年内降水将偏少,这为短期气候的预测提供了一定的参考.     

双城市现代农机专业合作社建设和运行情况调查

双城市2009年建设了双城市朝阳现代农机专业合作社,该合作社已完成一个生产周期的运行,笔者对该合作社进行了调查,分析如下。一、合作社建设取得的成果和效益该合作社建设总投入1 407万元。其中：农机装备投入1 187万元,场库棚建设投入220万元。     

基于小波分析的ARMA-GARCH模型在降水预报中的应用

利用小波分析方法对通榆地区1955-1999年降水资料进行分解与单支重构,得到低频序列和高频序列;对得到的子序列依据是否具有自回归条件异方差(ARCH)效应,建立自回归移动平均(ARMA)模型或者ARMA-GARCH模型.然后将上述各子序列所建模型进行线性叠加,得到年降水量的基于小波分析的ARMA-GARCH模型(w-...     

基于谐波分析的降水量预测模型研究

降水量预测是制定防旱、抗涝、救灾对策的重要依据,其预测方法是能够科学准确预测降水的重要手段。基于降水量存在多样性、复杂性及随机性的特点,采用降水距平法对降水量变化进行分析,运用谐波分析法建立降水量预测模型;以葫芦岛地区为例,根据葫芦岛4个气象观测站47 a（1960-2006年）的降水资料,对该模型进行了具体的应用。结...     

小波随机耦合模型在查哈阳农场降雨量预测中应用

采用小波变换A Trous算法对小波信号进行分解后,对各小波变换序列进行互相关分析,建立各小波变换序列相应的随机模型,最后采用小波重构算法得到小波随机耦合模型.然后根据查哈阳农场1956-2008年作物生育期月降雨量数据资料,建立了小波随机耦合模型,对模型进行拟合预测精度检验,研究表明该模型拟合预测精度高,能够反映该地区的降雨量变化规律,是一种实用的预报模型.对当地制定合理的灌溉制度和高效利用降水资源具有重要意义.     

基于子波变换的烟台市降水变化特征的多时间尺度研究

为研究烟台市年降水量变化的多时间尺度结构特征,采用Morlet子波变换分析法,对烟台市1960~2004年的年降水量进行了小波分析。结果表明:近40年来,烟台市年平均降水量整体呈下降趋势,且存在明显的4年、13年和28年的3类特征时间尺度和相应的震荡周期;小波方差进一步分析发现,烟台市年降水量变化具有4年和13年的主周期,且以13年周期最为显著;由小波方差检验出主要周期的小波系数实部可知,在未来的15年内,烟台市降水将会处于偏丰期。     

基于小波ANFIS的诸暨站降雨量预测模型

【目的】建立适合诸暨站的降雨量预测的模型。【方法】采用小波分析和ANFIS相结合的模型预测方法,首先利用小波分析的多尺度分解功能,将诸暨站降雨量进行分解,然后利用ANFIS的自适应非线性逼近功能对分解后的序列进行预测,最后利用小波重构对预测的分解结果进行重构。【结果】小波ANFIS模型对诸暨降雨量的预测值与原始值相对误差在30%以内,精度达到要求。【结论】小波ANFIS模型可作为诸暨站的降雨量预测模型。     

基于Prophet模型的湖北省月降水量预测

为提高降水量的预测精度,建立了基于Prophet算法的降水量时序预测模型.使用湖北省1960年1月-2006年5月的月降水量资料,对2006年6月-2017年12月共139个月的月降水量进行预测,并与传统的SVR、BP以及ARIMA预测模型进行对比,以探讨该模型在降水量预测中的可行性.实验结果表明:在湖北省各站点降水量...     

连续小波变换在气温和降水变化分析中的应用

利用MHF(墨西哥帽函数)小波变换分析方法对内蒙古杭锦后旗夏季气温及降水的时间-频率的多层次时间尺度变化特征进行了分析。结果表明,杭锦后旗夏季气温及降水变化具有明显的周期性特征,且降水变化较气温更复杂;杭锦后旗夏季平均气温变化以12年周期振动最强,而降水变化则以4年周期振动最强。     

基于小波分析的支持向量机径流预测模型及应用

针对径流年内、年际变化幅度大、单一方法难以预测的特点,提出基于小波分析的支持向量机径流预测模型。该模型从时频分析角度出发,把月径流序列分解成不同的频率成分,分别采用支持向量机进行预测。以淮河支流沙河上游某水库月径流预测为研究实例,得出了较满意的预测结果。通过与其它方法预测结果的对比分析,验证了模型的有效性,为径流预测提供了一条新途径。     

基于小波消噪的三江平原井灌区年降水随机预测模型

近些年来,由于水田面积迅速增加,导致三江平原井灌水稻区地下水位普遍下降,"吊泵"、局部超采现象时有发生。天然降水是地下水的重要补给来源,而年降水序列由于各种因素的影响往往含有噪声。为解决上述问题,以853农场为例,采用小波消噪技术和随机水文学方法对实测年降水资料进行消噪、差分和标准化处理,建立了年降水量小波随机耦合预测模型,精度检验结果表明,模型有效性和可靠性较高。该模型揭示了区域年降水量的时间变化规律,为853农场乃至整个三江平原充分利用天然降水、合理制定水稻灌溉制度以及地下水资源的可持续利用提供了科学依据。     

基于HHT的滨海降水多尺度时频特征研究

基于EEMD的改进型HHT方法,深入剖析了滨海围垦滩涂区域降水的多尺度周期特征进行。结果表明,滨海地区赣榆、东台、上海测点年降水和季节降水变化的周期振荡主要体现在2~3a、5~7a左右的年际尺度上和10~15a、25~30a左右的年代际尺度上,与江淮地区的整体特征和气候背景基本一致,但滨海地区的地理位置与环境特殊性使其降水周期振荡的频域相对较宽且离散。与离散小波变换固定频带下的信号分解相比,HHT方法的EEMD分解具有更优的自适应性;与连续小波变换相比,HHT方法在滨海地区降水信号高频周期振荡特征的解译和信号分解中频域混叠现象的避免方面更具优势。