滑动平均-马尔可夫模型在降水预测中的应用

中长期降水量的预测是气象科学的一个难点问题,也是水文学中的一个重要问题.根据降水过程存在大量不确定性的特点,通过聚类分析建立降水序列的分级标准,采用规范化的各阶自相关系数为权重,用滑动平均的马尔可夫链模型,通过状态转移概率矩阵预测未来时段的降水状态,并根据模糊集理论中的级别特征值计算具体的降水量,最后以隆德县水文站54年的降水资料为实例,对该方法进行了具体的应用,预测精度较高,为提高中长期降水量预报的精度提供了一条值得探索的途径.     

不同数学模型在辽宁中西部地区中长期降水预测的适用性分析

结合辽宁中部和西部6～9月的实测降水数据,对比分析马尔可夫链、小波分析、模糊数学以及神经网络4种数学模型在辽宁中部和西部地区中长期降水预测中的适用性。结果表明:在辽宁中部地区,马尔可夫链的适应性最高,预测合格率达到66.7%,而在辽宁西部地区,神经网络模型适用性最高,预测合格率达到55.6%。研究结果对于辽宁中部和西部地区降水中长期预测具有重要的参考价值。     

基于马尔可夫链的太湖流域典型地区年降水量分析与预测

[目的]为了探讨如何预测太湖流域的年降水量,发现年降水量的规律。[方法]对太湖流域1960—2010年年降水量进行了分析,运用加权马尔可夫链方法建立了该区年降水量预测模型。[结果]太湖流域20世纪60,70和80年代研究区的年平均降水量均低于多年平均降水量;该降水序列满足马尔可夫链的要求。建立了加权马尔可夫链模型,并预测了2011年和2012年的年降水量,预测值与实测值的相对误差分别为6.59%和-10.74%;平水年、偏枯年、偏丰年、枯水年和丰水年出现的概率分别为0.268 5,0.206 7,0.184 5,0.166 1和0.174 2。[结论]马尔科夫链预测平水年的年降水量相对误差较小,偏枯年和丰水年年降水量的相对误差较大;平水年、偏枯年和偏丰年出现的概率较大。     

华山地区降水特征分析与年降水量预测

该文依据华山地区1953—2013年降水资料,利用Mann-Kendall检验方法、有序聚类法、云模型等方法,结合滑动马尔可夫预测模型分析并预测了华山地区的降水特征。结果表明:华山地区月降水分布极度不均,主要集中在7月、8月、9月。冬春季降水量少,分布均匀,稳定性高;夏秋季节降水量多,分布不均匀,稳定性低;夏秋两季降水量的变化直接导致年降水量的分布不均。年降水量与3 a滑动平均年降水量均呈递减趋势,通过了99%显著性检验。滑动马尔可夫预测模型预测未来10年降水量呈增加趋势,2014—2023年预测降水量均值767.32 mm,增加幅度为29.3 mm/10 a,2019年预测值最小,为634.3 mm;2023年预测值最大,为883.31 mm。该研究可为华山地区水土流失、滑坡等自然灾害防治提供指导性建议。     

CLIGEN在华北地区生成降水的效能评估

为了检验天气发生器CLIGEN在华北地区生成降水的有效性,应用该区15个气象站1951-2008年的日气象观测资料和CLIGEN生成的150a日气象数据,对CLIGEN再现该区降水的效能进行了评估。结果表明:CLIGEN很好地再现了年和日降水量的均值和降水日数,但对降水极值的模拟精度不高,年和日最大降水量的平均相对偏差均大于均值的平均相对偏差。非参数检验的结果表明,CLIGEN能很好地生成年降水量的概率分布,且对日降水的概率分布也有较高的生成精度。总体来看,CLIGEN模型在华北地区能很好地再现年、日降水量平均值统计特征,并较好地再现了降水的变率。     

基于时间序列的浑河流域降水量预测模型

利用浑河流域长系列的降水量资料,运用时间序列分析原理建立浑河流域降水量预测模型,预测该流域的各站降水量,经检验其预测的中长期结果具有较高的精度,其预测结果完全可以为合理利用水资源、制定水资源中长期规划和保护流域水资源等提供理论依据。同时,预测结果也表明,运用时间序列分析原理建立的流域降水量预测模型在实际工作中是可靠的。     

多元自回归模型在区域中长期水文预报中应用研究

采用多元自回归模型,综合多要素对辽宁西部区域中长期水文进行自回归预测。研究结果表明:多元自回归模型相比于单一自回归模型,可综合考虑多个要素对自回归方程求解目标的影响,提高模型收敛和求解精度;在区域中长期水文预报精度也明显好于单一回归模型,相比于单一模型,多元自回归模型预测的降水和水量值与实测值之间的相关系数均值分别提高0.20和0.31。研究成果对于区域中长期水文预测方法提供参考价值。     

降水量对梯田作物产量的影响分析

在分析了降水的年内分布对作物产量的影响之后,运用产量分解的方法,对气象产量与降水量作了相关分析,提出了内蒙古梯田的气象产量与降水量的回归模型。     

基于GIS的大别山区东段雨季降水空间分布模拟

区域降水量是重要的环境变量,区域降水量的研究对区域水资源合理规划与利用具有重要科学价值。依据大别山区东段及附近14个气象台站和8个气候考察站34a雨季降水和风向等气象资料,以及各站点的经纬度、坡向、海拔高度等地理信息,并引进"主风向效应指数",建立大别山区东段雨季降水分布模拟模型。利用GIS技术进行栅格数据的空间分析,模拟大别山区东段降水空间分布。模拟结果表明,(1)针对不同区域特点,适当增加有效的地形和气象因子参与插值,可以提高山区降水模拟精度,大别山区东段雨季的逐月、夏季和雨季降水空间分布模拟相对误差均小于10%;(2)大别山区东段南北坡雨量分布具有明显的时空变化,边界层山地的扰动作用对降水量分布影响明显,雨量的南北坡的季节变化与大气环流的季节变化一致。     

ARIMA模型在大凌河支流流域降水量的预测应用研究

以大凌河支流叶柏寿水文站以上区域为研究区域,基于ARIMA模型预测了该区域2000—2013年降水量,并和区域内实测的降水量进行对比分析ARIMA模型在大凌河支流降水量预测的适用性和预测精度。研究结果表明:ARIMA模型在大凌河支流降水量预测中具有较好的精度,可用于区域降水量的预测,预测的降水量年值和实测降水量年值之间的相对误差小于20%,相关系数达到0.706 7。研究成果对于区域降水量预测和水资源配置规划具有参考价值。     

基于信息分解条件的滑坡变形预测

[目的] 有效掌握滑坡变形规律,实现对滑坡变形的高精度预测。[方法] 基于滑坡现场变形监测成果,先利用优化经验模态实现其变形数据的信息分解,再利用优化径向基神经网络和马尔科夫链完成滑坡变形的分项组合预测;最后,利用季节性Kendall检验判断滑坡变形趋势,以验证预测结果的可靠性。[结果] 经验模态能有效分解滑坡变形信息,且通过优化处理,能进一步提高分解效果,并以互补式集合经验模态的分解效果最优;同时,预测结果的平均相对误差均小于2%,具有较高的预测精度,验证了预测模型的有效性,且变形趋势判断结果与预测结果较为一致,说明预测过程较为可靠,两者均得出滑坡变形呈持续增加趋势。[结论] 由于滑坡变形具增加趋势,其稳定性趋于不利方向发展,应尽快开展滑坡灾害防治。     

基于土地利用驱动力的马尔科夫模型及其应用

马尔科夫模型在土地利用变化的预测中已经得到了广泛的应用,但如何通过区域社会经济指标对马尔科夫模型进行修正,提高其预测精度是一个值得研究的科学问题。本文解译1995,2001,2005,2008四个时相的TM遥感影像得到太仓土地利用结构图,构建基于土地利用驱动力分析的加权马尔科夫模型,对2013年太仓市的土地利用结构(农用地,建设用地等)进行预测。改进后的模型将1995—2001年,2001—2005两阶段转移矩阵作为加权马尔科夫模型的加权因子;再根据GDP、非农人口数量、二产比重的自相关系数确定两阶段转移矩阵的权重,建立基于土地利用驱动力分析的加权马尔科夫模型,以此对2013年土地利用结构进行预测。同时基于城市土地利用现状(2008年)分析,对比上述加权马尔科夫模型预测结果,证明加权马尔科夫模型预测精度较高。     

辽宁省黄土状母质发育土壤有机质含量高光谱预测模型的构建

  目的  建立辽宁省黄土状母质发育土壤有机质含量的高光谱预测模型,以便快速获取土壤样品的有机质含量。  方法  对省域内黄土状母质发育土壤进行了样品采集,获取样品有机质含量和高光谱数据;选择原始光谱及其一阶微分、二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分6种光谱变换数据作为自变量,与土壤有机质含量进行相关分析,选取特征波段,分别建立多元逐步线性回归（SMLR）、偏最小二乘回归（PLSR）和主成分回归（PCR）3种土壤有机质高光谱线性预测模型,并进行了支持向量机（SVM）方法的非线性模型拟合。  结果  土壤有机质含量与其光谱反射率呈负相关关系,对光谱进行不同的数学变换,可以提高土壤有机质含量与光谱反射率的相关性,其中一阶微分和二阶微分的提升效果最佳;相同光谱数据在不同模型中建模精度存在显著差异,以原始光谱反射率一阶微分为自变量的PLSR模型精度最高,建模集和验证集的决定系数（R2）分别为0.958和0.976;3种线性方法建立的最佳预测模型的检验精度为:PLSR > SMLR > PCR。  结论  PLSR模型是辽宁省黄土状母质发育土壤有机质含量的最佳高光谱预测模型,且基于特征波段的建模效果优于全波段;SVM非线性模型的预测精度较低。     

基于马尔柯夫过程和概率分布特征的粮食产量预测

通过分析粮食单产中气象产量分量时间序列的变化规律，综合运用马尔柯夫模型和概率密度分布函数，构建相对气象产量预测模型。以河南省民权县和陕西省武功县1949—1999年小麦单产序列为例构建模型，预测得到2000年两地区小麦产量的相对误差在20％以下。预测结果表明：综合运用马尔柯夫过程和概率分布特征预测粮食产量的方法是有效的。     

基于Bayes判别分析法的密云县山洪泥石流预报模型

针对密云水库上游密云县境内山洪泥石流灾害多发的特点,首次将Bayes判别分析法原理运用于自然灾害的预测预报.运用系统科学和山洪泥石流预报原理,对密云水库上游密云县境内影响山洪泥石流发生的系统内部要素和系统外部环境条件进行分析,确定用影响山洪泥石流发生的前15 d的实效雨量和当日雨量作为预报模型因子,并建立起一组山洪泥石流预报模型,经自身验证法和交互验证法对模型进行检验,其判断正确率均为82.4%,达到了Bayes判别分析要求的判别模型自身验证正确率>80%的要求,两种方法检验结果一致,模型表现稳定,表明所建立的模型可靠,可以投入使用.研究结果可为该地区的山洪泥石流预测预报提供一种较为简单易行的方法,为密云县山洪泥石流灾害防治提供一定的支撑,以减少山洪泥石流发生所导致的灾害损失.     

山区县域尺度降水量空间插值方法比较

随着空间降水信息需求的日益增加,降水的空间插值已被广泛应用,而不同的插值方法因不同的地区和研究目的产生不同的效果。该文以浙江省淳安县为例,选取17个站点1959～2000年多年平均和月均降水资料,在地统计学和地理信息系统(GIS)支持下,结合一些地形地理因子,采用多种插值方法对研究区降水量进行了空间插值研究,分析不同插值方法对研究区的适用性和精度,并对模拟的空间降水量图像进行了比较。通过3个检验站点的插值误差的比较,混合插值法,即回归克里金插值法误差最小,效果最好。     

基于主分量的神经网络气温预报模型

根据山西省6个有代表性的气象观测站1951-2000年的气象资料,以降水量、气温为预报因子,以太原市最冷月平均气温为预报量,采用人工神经网络与主分量分析相结合的方法,建立了太原最冷月平均气温预报模型。该模型对1960-1990年的历史样本拟合的平均相对误差为3.6%,对1991-2000年独立样本的预报准确率达90%,说明该模型可使预报泛化能力显著提高,对农业防灾减灾有较大作用。     

基于CART重要度排序和混合ELM模型的蒸散预测

准确地预测区域蒸散有助于区域水资源的合理利用,减少水资源浪费。为从多项气象因子中筛选出核心因子,构建少因子蒸散预测模型,高效精确预测蒸散,该研究在九大农业区选取23个典型站点,搜集降水量、日照时数等8个气象因子数据,使用分类回归树（classification and regression tree,CART）对气象因子进行重要度排序。基于排序结果,选取排序前3～5项气象因子,基于极限学习机（extreme learning machine,ELM）模型对蒸散进行预测。同时,使用遗传算法（genetic algorithm,GA）,粒子群算法（particle swarm optimization,PSO）,麻雀搜索算法（sparrow search algorithm,SSA）对ELM模型进行优化,并使用这3种优化算法（GA-ELM、PSO-ELM、SSA-ELM）构建少因子混合优化蒸散预测模型。结果表明：1）基于CART算法重要度排序结果,蒸散的主要影响因子依次是降水量、日照时数、平均本站气压、日最高气温、平均相对湿度。2）3种优化算法预测模型中,PSO-ELM模型的预测精度最高,23个站点的蒸散预测的均方根误差为6.608～22.077 mm/d,纳什效率系数为0.824～0.998,R²为0.908～0.995,平均绝对误差为5.075～16.677 mm/d。3）ELM模型在云贵高原区和四川盆地及周边地区有较好的适用性,3种优化算法在华南区和云贵高原区有较好的适用性,其中PSO-ELM模型的适用性最高。研究结果为中国九大农业区域的作物需水量计算提供参考。