基于相空间重构的神经网络月降水量预测方法-论文.pdf

《基于相空间重构的神经网络月降水量预测方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第1期计算机仿真2014年1月文章编号：1006—9348(2014)01—0352—04基于相空间重构的神经网络月降水量预测方法张颖超，刘玉珠(南京信息工程大学信息与控制学院，江苏南京210044)摘要：月降水量的准确预测，对于国民生产、防灾减灾有重大意义。针对月降水量影响因素多，彼此之间关系复杂，预测难度大的特点，为提高预测精度，提出了一种基于相空间重构的BP神经网络月降水量预测方法。对一维月降水量时间序列进行参数提取，重构相空间，得到包含各态历经信息的多维序列，用训练神经网络进行月降水量预测，可以解决神经网络难

2、以确定网络结构的问题。应用于杭州市月降水量预测，实验结果表明，改进方法具有较高的预测准确度，可以为干旱洪涝灾害预测提供依据。关键词：相空间重构；神经网络；月降水量；预测中图分类号：TP183文献标识码：BMonthlyPrecipitationPredictionMethodofNeuralNetworkBasedonPhaseSpaceRec0nstructi0nZHANGYing—chao．LIUYu—zhu(CollegeofInformationandControlEngineering，NanjingUnivers

3、ityofInformationScience＆Technology，NanjingJiangsu210044，China)ABSTRACT：Accuratelypredictionofmonthlyprecipitationhassignificantmeaningforthenationalproduction，dis·asterpreventionandmitigation．DuetoSOmanyfactorsinfluencingmonthlyprecipitation，therelationshipbetweene

4、achotherisverycomplex，andthemonthlyprecipitationpredictionisadifficultfieldinclimateprediction．Inordertoimprovethepredictionaccuracy，amonthlyprecipitationpredictionmethodwasproposedcombiningphasespacereconstructionwithBPneurMnetworkinthispaper．Parametersofone—dimen

5、sionmonthlyprecipitationtimeserieswereextracted，one—dimensionprecipitationtimeserieswasdevelopedtomulti-dimensiontimeserieswithreeon-structionofphasespace，andthemuhi-dimensionseriesincludeergodicinformation．Itisconducivetotheneuralnetworktraining，andassistedtodeter

6、minethestructureofneuralnetwork．AppliedtoHangzhoumonthlyprecipitati—onforecasts，theexperimentalresultsshowthatahigheraccuracyrateofpredictioncanbeachieved，andprovidethebasisfordroughtandfloodsforecast．KEYWORDS：Phasespacereconstruction；Neuralnetwork；Monthlyprecipita

7、tion；Prediction1引言杂性及降水过程的非线性等，降水量有很强的随机性，目前降水量是衡量一个地区降水多少的数据，是影响旱涝的还难以通过物理成因等来分析预测未来某段时间降水量的主要因素。月降水量预测作为短期气候预测的业务之一，对准确数值J。由于降水量反映了影响降水的所有因素，根于国民生产，特别是农业生产活动有重大影响，提高月降水据这个思想，可以通过对降水量资料统计分析来预测降水量预测的准确率对于防灾减灾方面有重大意义。量J。有关降水序列的研究很多，传统的预测方法包括统计受诸多复杂因素影响，如气象条件的多样性、变异性

8、、复方法和时间序列分析方法。统计方法有灰色模型、马尔可夫链等，由于统计方法只能对降水量呈指数增长的数据进行预测。。，预报能力受到限制。时间序列分析方法包括自回基金项目：江苏省高校优势学科建设工程资助项目(PAPD)；中国气象局软科学研究课题(SK20120146)；南京市产学研资金项归模型