学位论文 > 优秀研究生学位论文题录展示

基于相空间重构的神经网络短期气候预测方法研究-以月降水量月平均温度为例

作　者: 刘玉珠
导　师: 张颖超
学　校: 南京信息工程大学
专　业: 系统分析与集成
关键词: 短期气候预测神经网络混沌时间序列相空间重构
分类号: P46
类　型: 硕士论文
年　份: 2013年
下　载: 132次
引　用: 0次
阅　读: 论文下载

内容摘要

短期气候预测是相对于中长期气候预测而言的,主要是指月、季、年时间尺度的气候预测。短期气候预测对人类生产生活有重大影响,在国民经济建设和防灾减灾领域有重要作用。针对气候系统非线性、混沌性的特点,本文采用相空间重构理论和人工神经网络相结合的方法,建立短期气候预测模型,通过该方法可提高预测的精度,为国民经济和社会生产提供有力的保障。本文的主要研究工作如下：1、介绍了人工神经网络的基本原理,及其在短期气候预测中的应用现状。阐述BP神经网络、极限学习机ELM的基本原理和学习训练过程,并对ELM进行改进,以杭州站月降水量预测为例,观察分析BP神经网络、ELM以及AD-ELM的预测效果。2、介绍混沌理论的发展及应用、相空间和重构相空间的概念,相空间重构方法中时间延迟和嵌入维数的选取,以及混沌时间序列预测的方法。分析杭州站月降水量时间序列的混沌性,将相空间重构的方法应用在月降水量预测方面,分析其可行性。3、将混沌理论和神经网络理论相结合,建立相空间重构神经网络预测模型。针对复杂的非平稳时间序列,运用经验模态分解方法进行数据处理。相空间重构技术和人工神经网络都是处理非线性系统问题的有效工具,两者结合可以挖掘混沌时间序列的信息,利于神经网络训练,更好地解决非线性问题,使预测结果更符合实际。以同属亚热带季风气候区的杭州、南京、南京浦口、苏州近50年的气候变化数据为例,对相空间重构神经网络预测模型进行训练和检验,与实际数据进行对比,结果显示预测结果与实际情况有较高的一致性,预测方法有合理的精度,可以为短期气候预测提供参考。

全文目录

摘要  6-7
Abstract  7-8
第一章绪论  8-12
  1.1 研究背景和意义  8
  1.2 国内外研究现状  8-11
    1.2.1 国外短期气候预测研究现状  9
    1.2.2 国内短期气候预测现状  9-10
    1.2.3 短期气候预测的一般方法  10-11
  1.3 文章主要研究内容及结构安排  11-12
第二章人工神经网络  12-27
  2.1 人工神经网络的基本原理  12-17
    2.1.1 人工神经网络的概况和特点  12-13
    2.1.2 人工神经网络的结构模型  13-14
    2.1.3 神经网络的传递函数  14-16
    2.1.4 神经网络预测  16-17
  2.2 BP神经网络  17-19
    2.2.1 BP神经网络算法结构  17-18
    2.2.2 BP算法存在的缺点  18-19
  2.3 极限学习机(ELM)  19-24
    2.3.1 ELM学习方法  19-21
    2.3.2 自适应极限学习机(AD-ELM)  21-24
  2.4 实例应用  24-26
    2.4.1 研究区域概况  24
    2.4.2 网络模型的建立与训练  24-26
  2.5 本章小结  26-27
第三章相空间重构  27-41
  3.1 混沌理论  27
  3.2 混沌时间序列  27-29
    3.2.1 混沌时间序列介绍  27-28
    3.2.2 时间序列的混沌性识别  28-29
  3.3 相空间重构理论  29-30
  3.4 相空间重构参数选取  30-36
    3.4.1 嵌入维数的确定  31-32
      3.4.1.1 G-P法  31-32
      3.4.1.2 虚假最近邻点法  32
    3.4.2 时间延迟τ的确定  32-34
      3.4.2.1 自相关函数法  33
      3.4.2.2 互信息法  33-34
    3.4.3 Lyapunov指数  34-36
  3.5 相空间重构预测方法  36-37
    3.5.1 局域法  36
    3.5.2 全局法  36-37
    3.5.3 预测效果评价  37
  3.6 数据分析  37-40
  3.7 本章小结  40-41
第四章相空间重构与神经网络结合的预测方法  41-54
  4.1 对神经网络和相空间重构预测方法进行评价  41
  4.2 相空间重构和神经网络算法的结合  41
  4.3 相空间重构神经网络算法的具体实现步骤  41-44
  4.4 相空间重构神经网络对月平均温度预测应用  44-53
    4.4.1 南京市月平均温度预测研究  44-49
    4.4.2 南京市浦口区月平均温度预测研究  49-51
    4.4.3 苏州市月平均温度预测研究  51-53
  4.5 本章小结  53-54
第五章基于EMD的相空间重构预测研究  54-67
  5.1 经验模态分解(EMD)  54-57
    5.1.1 经验模态分解  54-56
    5.1.2 基于EMD的相空间重构神经网络预测方法  56-57
  5.2 月降水量预测研究  57-66
    5.2.1 杭州市月降水量预测研究  57-59
    5.2.2 南京市月降水量预测研究  59-61
    5.2.3 浦口月降水量预测  61-64
    5.2.4 苏州市月降水量预测  64-66
  5.3 文章小结  66-67
第六章总结与展望  67-68
  6.1 论文研究内容总结  67
  6.2 后续研究工作展望  67-68
参考文献  68-72
作者简介  72-73
致谢  73

基于相空间重构的神经网络短期气候预测方法研究-以月降水量月平均温度为例

内容摘要

全文目录

相似论文