导读:本文包含了中长期预报论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:径流,神经网络,模型,算法,函数,灰色,芒种。
中长期预报论文文献综述
杨德全,赵玉新,何忠杰,刘厂,李威[1]（2019）在《南海海面高度异常中长期统计预报方法研究》一文中研究指出本文基于经验正交函数分析方法,通过空间重构,提出了一种新的时空经验正交函数统计预报方法。以南海海面高度异常为预报对象进行了中长期预报试验,结果显示这种新的时空经验正交函数方法可用于中尺度海洋现象的中长期预报。在90 d内的预报精度明显高于最优气候均态法,相关系数高达0.88。预报结果可以很好地描述海洋中尺度现象,为解决海洋要素中长期预报问题提供了新的思路。(本文来源于《中国海洋学会2019海洋学术（国际）双年会论文集》期刊2019-10-25）
王涛,徐海丽,李铭[2]（2019）在《多模型不同时间尺度中长期径流预报研究》一文中研究指出为研究多模型不同时间尺度中长期径流预报效果,本文结合工程实例,以不同的时间段为检验期,模拟预报该工程的坝址月、旬和周平均流量,并分析了不同资料系列长度对模拟预报精度的影响。研究结果表明,最近邻抽样回归、人工神经网络和门限自回归模型对该工程月、旬、周时间尺度平均流量模拟预报精度随着时间尺度减小呈增高趋势;门限自回归模型模拟预测精度略高于其他两个模型;资料系列达到一定程度后,不同模型对月、旬、周时间尺度平均流量的模拟预报比较稳定。(本文来源于《水电站设计》期刊2019年03期）
武博,王丹[3]（2019）在《灰色系统理论在清河水库中长期水文预报中的应用》一文中研究指出本文对灰色系统理论进行了原理剖析,以此为基础建立水文系统GM(1, 1)模型,在清河水库中长期水文预报进行了实际应用,并对历年实际值与预测值做了比较分析,满足预报精度要求,证明使用灰色系统理论在清河水库中长期水文预报中应用是完全可行的,其使得中长期水文预报结果更加准确。(本文来源于《东北水利水电》期刊2019年07期）
石继海[4]（2019）在《中长期径流预报模型研究》一文中研究指出中长期径流预报对掌握未来径流信息,实现水资源科学管理和优化调度具有重要意义。进行中长期径流预报模型的耦合计算和综合评价,可为中长期径流预报模型的应用研究,提高站点的预报精度提供重要参考。本文介绍了中长期径流预报原理及其模型,分析总结目前中长期径流预报研究中存在的问题。以黄河流域民和、兰州、龙门、白马寺和黑石关水文站的天然年径流序列为研究对象,选取平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)和均方百分比误差(MSPE)4个误差指标,运用信息熵确定各误差指标的权重,得到径流预报模型的优属度,实现模型的综合评价。本文主要的研究内容和结论如下:(1)研究区站点径流单一预报模型的构建。应用中长期径流预报的周期分析和时间序列预报模型,建立研究区站点的周期外延迭加、均生函数、自回归(AR)和马尔科夫4个单一预报模型。结果表明,单一模型的综合评价结果集中,民和和白马寺水文站均生函数模型的优属度,取得最大值分别为0.963和1.000,兰州、龙门和黑石关水文站AR模型的优属度,取得最大值分别为0.966、0.989和1.000。应用马尔科夫模型进行定性预报时,模型精度和可靠性较低。(2)研究区站点径流耦合预报模型的构建。根据单一预报模型的特点,尝试将不同的模型进行耦合计算,以期提高中长期径流预报的精度。耦合模型包括灰色-周期外延迭加、均生函数-逐步回归、加权马尔可夫、灰色-逐步回归周期、EEMD-BP神经网络、PPRGSRP、PPARWD和模糊综合分析模型。结果表明,耦合模型的综合评价结果集中,民和水文站PPARWD模型、兰州和黑石关水文站EEMD-BP模型的优属度,均取得最大值1.000,龙门水文站PPRGSRP模型的优属度,取得最大值0.962,白马寺水文站模糊综合分析模型的优属度,取得最大值0.967。应用加权马尔科夫模型解决了马尔科夫模型最大转移概率不唯一的弊端,模型精度和可靠性提高。(3)研究区站点径流预报模型的优选研究。结合单一预报模型和耦合预报模型的误差指标的计算结果,计算各站点所有模型的优属度,实现模型优选。结果表明,民和水文站的优选模型为PPARWD模型、兰州和黑石关水文站为EEMD-BP模型、龙门水文站为PPRGSRP模型、白马寺水文站为模糊综合分析模型。(本文来源于《西北农林科技大学》期刊2019-05-01）
谢智峰[5]（2019）在《基于深度学习的萤火虫算法研究及在中长期径流预报中的应用》一文中研究指出径流是受太阳活动、大气环流、下垫面变化和降雨等诸多因素影响的一个随机变量,且各因素对径流的作用关系难以建立严谨的数学模型,因此径流预报是一个受多因素影响的非线性复杂问题。随着机器学习技术的发展,支持向量回归被广泛应用于径流预报领域,取得了有效的预报结果。支持向量回归的性能依赖于惩罚系数、不敏感损失系数和核参数的选择。传统方法对参数选择效率低,且主观性和随机性大,导致支持向量回归的性能不佳。为提高支持向量回归的性能,借助萤火虫算法进行参数动态寻优,建立了基于萤火虫算法的支持向量回归预报模型。萤火虫算法是一种群智能算法,因其优化模型简单、参数少和实现容易等优势,被广泛应用于众多工程领域。但是,该算法本身存在易陷入局部最优、过早收敛及寻优精度不高等缺陷。本论文以萤火虫算法为研究对象,以径流预测为应用背景,使用深度学习策略对算法进行优化,并将改进的萤火虫算法应用于中长期径流预测。取得的主要研究成果如下:(1)对深度学习方式进行改进,提出了最优粒子引导的单维深度学习萤火虫算法。为使最优粒子获取更多搜索机会,在种群每代进化过程中,算法为最优粒子分配一定的评估资源,进行固定次数单维深度学习,搜寻优秀的解,其它萤火虫依然保持标准的更新方式。12个基准测试函数的实验结果表明该算法优化性能得到了较好的提升。(2)对深度学习对象进行改进,提出了广义中心粒子引导的萤火虫算法。为加强种群间的信息交流,算法引入广义中心粒子概念,构造一个与所有粒子都相关的广义中心粒子。当所有的萤火虫完成标准的搜索任务之后,再由广义中心粒子引导种群进一步探索,以提高种群的收敛速度和搜索精度。12个基准测试函数和CEC2015复杂测试函数的实验结果表明该算法综合优化性能优于其它6种新近萤火虫算法。(3)融合上述的深度学习方式和深度学习对象,提出了深度学习萤火虫算法。为加强广义中心粒子的引导能力,首先采用随机模型取代全吸引模型进行种群进化,然后选择广义中心粒子作为深度学习对象,对其进行固定次数的单维深度学习,最后利用经单维深度学习的广义中心粒子引导种群进化。12个基准测试函数的实验表明,深度学习萤火虫算法优化性能得到了显着的提升。以陕西府谷县黄甫川水文站年径流量为研究对象,以实际径流值和预报径流值的均方误差的最小值为目标函数,建立基于支持向量回归的径流预报模型,将各种改进萤火虫算法用于支持向量回归核参数动态优化选择。实验结果表明,基于深度学习的支持向量回归模型取得了最佳的预报结果。(本文来源于《南昌工程学院》期刊2019-04-25）
王易帆,陈新军[6]（2019）在《大洋性柔鱼类资源中长期预报研究进展》一文中研究指出柔鱼类分布广泛,资源丰富,已成为人们重要的开发和利用对象,如何持续和合理开发该资源已成为大家关注的重要话题。柔鱼类具有短生命周期、产完卵即死亡的特性,其特殊的生活史特性使得传统的资源评估方法无法很好的对其资源量进行准确评估和预测。因此,如何开展大洋性柔鱼类的资源中长期预报显得尤为重要。本文总结概括了大洋性柔鱼类中长期预报的基本概念、叁种主要的大洋性柔鱼类生活史、影响大洋性柔鱼类资源(补充)量的主要环境因子,并介绍了目前使用的主要柔鱼类中长期预报模型,展示了大洋性柔鱼类中长期预报的发展历程及所取得的进展。同时,对柔鱼类中长期预报模型中存在的问题进行了探讨,并对其未来主要的研究方向进行了展望。(本文来源于《海洋湖沼通报》期刊2019年02期）
李永坤,马旭,潘兴瑶,白涛,邸苏闯[7]（2019）在《基于芒种日分析的BP模型在中长期汛期降雨量预报中的应用》一文中研究指出为提高汛期降雨量中长期预报的精度,采用芒种日分析充分提取有用信息,基于BP神经网络模型,构建了芒种日分析的BP神经网络耦合模型,并将其应用于北京市中长期汛期降雨量的预测。结果表明:相比于常规BP模型,耦合BP模型能够有效提高预报的精度,验证期耦合BP模型模拟值与实测值相关系数为0.78,明显优于常规BP模型的0.42;耦合BP模型较常规BP模型的预报合格率提高了40%。芒种日分析能够充分发掘隐藏在原始数据中的有用信息,降低极端值等噪声数据对预报结果的影响,有效提高了模型的预报精度。将传统节气与人工智能预报技术相结合,为中长期汛期降雨量预报提供了一种新思路。(本文来源于《南水北调与水利科技》期刊2019年03期）
霍丽峰[8]（2019）在《神经网络模型在降雨中长期预报中的应用比较》一文中研究指出为得出降雨中长期预报的标准模型,基于RBF神经网络模型和BP神经网络模型,通过遗传算法优化模型,引进全球绩效指标GPI指数综合比较各模型的计算精度,结果表明:在长期降雨预报中,4个模型的计算精度明显提高,精度由高到低依次为GA-RBF模型-GA-BP模型-RBF模型-BP模型; GA-RBF模型在降雨中长期预报中的GPI值分别达到了0. 47和0. 63,表明该模型可作为降雨中长期预报标准模型使用。(本文来源于《水利技术监督》期刊2019年01期）
石继海,宋松柏,李航[9]（2019）在《中长期径流预报模型优选研究》一文中研究指出【目的】对中长期径流预报模型进行比较和优选,为中长期径流预报模型的应用及提高预报精度提供参考。【方法】以黄河流域黑石关、龙门、民和水文站年径流为研究对象,利用灰色预测进行趋势分析、逐步回归进行周期分析,两者耦合建立灰色-逐步回归周期模型;利用逐步回归分析确定均生函数的周期性基函数,耦合建立均生函数-逐步回归模型;利用灰色-逐步回归中的趋势项和周期项作为预报因子,建立投影寻踪回归模型;利用前4年的实测径流数据预报当年径流,建立BP神经网络模型,并通过信息熵原理进行站点模型的综合评价和优选。【结果】建模期除黑石关水文站BP神经网络模型外,各站点拟合预报的平均相对误差均小于11.0%,合格率均大于90%。验证期除民和水文站灰色-逐步回归周期模型外,各站点平均相对误差均小于20%,合格率等于或大于80%,满足精度要求。【结论】均生函数-逐步回归径流预报模型可作为黑石关水文站的优选模型,BP神经网络径流预报模型可作为龙门和民和水文站的优选模型。(本文来源于《西北农林科技大学学报(自然科学版)》期刊2019年07期）
张自银,赵秀娟,徐敬[10]（2018）在《京津冀雾霾中长期客观化预报技术研发与应用》一文中研究指出近年来,京津冀及周边地区雾霾污染频繁发生。给社会经济发展及公众生活健康带来了极大的负面影响。正确认识雾霾的成因及如何减少和治理雾霾灾害,是各级政府部门当前面对的问题之一,也是一个重要的科学问题。对雾霾和空气污染尤其是持续性雾霾与重污染过程的中长期客观化预报,是科技工作者们面临的一项艰巨任务。雾霾与空气质量的中长期预报,不仅能为公众的生产生活、交通出行等提供参考,也是政府部门应对空气重污染能够提前采取减排措施的必要依据。该研究基于数值模式与动态统计相结合的方法,建立了多时间尺度环境气象客观化预报技术,实现了对京津冀及周边地区雾霾与空气染污的短期至中长期(0-16天)无缝隙定量化预报,填补了京津冀及周边地区雾霾中长期客观化预报技术的空白,为区域开展环境气象预报服务工作提供了有力的科技支撑。首先系统性研究了不同时间尺度上影响京津冀雾霾的关键气象因子及其机理,揭示京津冀雾霾在中长期时间尺度及年际变率的可预报性。通过对气象和环境长序列大数据进行多尺度信息挖掘和系统性诊断分析,(1)识别出了在天气尺度上对北京地区雾霾起关键作用的气象因子,如风速、相对湿度、降水、日照、温度等主要因子能解释过去十年逐日PM2.5浓度变率的近60%,表明利用关键气象因子进行天气尺度的雾霾与重污染预报是可行的;(2)在月季尺度上,东亚对流层高层大气异常触发了中低层和局地环流异常,使得京津冀及周边地区维持长时间静稳天气,导致类似2015年11-12月份严重雾霾的发生(北京历史上首次发布空气重污染红色预警,两个月有36天为中度及以上污染,日均浓度超过140μg/m3,区域内多城市峰值浓度超过500μg/m3);(3)在年际时间尺度上,通过相关性普查和关键影响区识别而构建的6个环流指数可以解释京津冀冬季霾日或能见度年际变率的70%~80%,且该结果的统计关系稳定、物理意义明确,表明京津冀雾霾年际变率具有较高的可预报性;(4)数值模拟试验表明,区域地形也特征也是京津冀地区雾霾频发的有利背景条件,同时在此地形背景下,简单的南、北风模态对京津冀地区雾霾的中长期预报有着重要的指示作用。其次,基于数值模式与动态统计相结合的方法,建立了多时间尺度环境气象客观化预报技术,实现了对京津冀及周边地区雾霾与重污染天气的短期至中长期(0-16天)无缝隙定量化预报,在环境气象预报业务服务工作中得到广泛应用。通过实现新一代气象-化学在线模式(WRF-Chem)与北京地区快速更新循环同化预报系统(BJ-RUC)的耦合,对华北地区城市地表信息进行更新,融合多源排放清单,优化气溶胶总量吸湿增长参数化方案,并采用分时段积分、有机衔接等技术手段,建立了北京区域环境气象数值预报系统(BREMPS),为京津冀及周边地区提供短期(预报时效4天、水平分辨率3公里)和中长期(16天、9公里)雾霾、空气质量及相关气象要素的精细化预报产品。同时,在对气象环境大数据进行多尺度信息挖掘分析基础上,建立了京津冀雾霾中期动态统计预报技术,可快速提供未来10天京津冀及周边地区36个重点城市逐时雾霾、PM2.5浓度及能见度的客观化预报。多时间尺度环境气象客观化预报技术已推广应用到北京、天津、河北等地区,对北京等重点城市短期雾霾预报的TS评分达到0.55以上,预报准确率达77%以上;在中长期预报上,能够提前5-6天预报出京津冀地区的典型持续性雾霾过程,预报准确率达70%左右,表明该预报技术整体上具有较高的可靠性、稳定性与预报技巧性,预报产品已成为京津冀及周边地区开展雾霾和空气质量预报预警的重要参考依据。(本文来源于《第35届中国气象学会年会 S12 大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估》期刊2018-10-24）
中长期预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为研究多模型不同时间尺度中长期径流预报效果,本文结合工程实例,以不同的时间段为检验期,模拟预报该工程的坝址月、旬和周平均流量,并分析了不同资料系列长度对模拟预报精度的影响。研究结果表明,最近邻抽样回归、人工神经网络和门限自回归模型对该工程月、旬、周时间尺度平均流量模拟预报精度随着时间尺度减小呈增高趋势;门限自回归模型模拟预测精度略高于其他两个模型;资料系列达到一定程度后,不同模型对月、旬、周时间尺度平均流量的模拟预报比较稳定。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
中长期预报论文参考文献
[1].杨德全,赵玉新,何忠杰,刘厂,李威.南海海面高度异常中长期统计预报方法研究[C].中国海洋学会2019海洋学术（国际）双年会论文集.2019
[2].王涛,徐海丽,李铭.多模型不同时间尺度中长期径流预报研究[J].水电站设计.2019
[3].武博,王丹.灰色系统理论在清河水库中长期水文预报中的应用[J].东北水利水电.2019
[4].石继海.中长期径流预报模型研究[D].西北农林科技大学.2019
[5].谢智峰.基于深度学习的萤火虫算法研究及在中长期径流预报中的应用[D].南昌工程学院.2019
[6].王易帆,陈新军.大洋性柔鱼类资源中长期预报研究进展[J].海洋湖沼通报.2019
[7].李永坤,马旭,潘兴瑶,白涛,邸苏闯.基于芒种日分析的BP模型在中长期汛期降雨量预报中的应用[J].南水北调与水利科技.2019
[8].霍丽峰.神经网络模型在降雨中长期预报中的应用比较[J].水利技术监督.2019
[9].石继海,宋松柏,李航.中长期径流预报模型优选研究[J].西北农林科技大学学报(自然科学版).2019
[10].张自银,赵秀娟,徐敬.京津冀雾霾中长期客观化预报技术研发与应用[C].第35届中国气象学会年会S12大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估.2018
论文知识图
