1. 毕业设计（论文）主要目标：
1.了解干旱、半干旱、湿润三类地区的评判指标和气候特征；
2.学习神经网络和遗传算法的数学原理，针对各情境的降水特征选取恰当的预报因子分别建立模型，根据历史数据对网络模型进行训练；
2. 毕业设计（论文）主要内容：
本文以干旱、半干旱、湿润三类地区的降水量为研究对象，选取北方地区部分气象站的地面常规气象资料，协变量考虑了气温、气压、相对湿度和风速等常规要素，分别建立了经遗传算法优化的ANN模型和回归模型。前期数据用来建立拟合模型，后期数据做预测性能分析。从方法理论角度和实证分析角度，分析遗传算法优化的ANN模型的适用性和优缺点，以及该方法对干旱、半干旱、湿润三类地区降水量预测的特点，以期提高降水预测的可靠性和科学性。
3. 主要参考文献
| [1]朱文龙. 基于遗传算法的BP神经网络在多目标优化中的应用研究[D]. 哈尔滨理工大学, 2009. [2]林开平. 人工神经网络的泛化性能与降水预报的应用研究[D]. 南京信息工程大学, 2007. [3]Xiong L H, Kieran M. O’Connor, Guo S L. Comparison of three updating schemes using artificial neural network in flow forecasting[J]. Hydrology and Earth System Sciences, 2004, 8(2). 247-255. [4]孙吉辉. 基于人工神经网络模型的降水量预测研究[D]. 中国海洋大学, 2008. [5]Firat M. Comparison of artificial intelligence techniques for river flow forecasting[J]. Hydrology and Earth System Sciences, 2008, 12(1): 123-139. [6]Chen C S, Chen P T, Chou N F, et al. Development and application of a decision group back-propagation neural network for flood forecasting[J]. Journal of Hydrology (Amsterdam), 2010, 385(1-4): 173-182. [7]王志国. 人工神经网络及其改进在水科学预报中的应用[D]. 武汉大学, 2005. [8]张继学, 王鹏, 张琳, 等. 人工神经网络在短期降水预测方面的应用研究[J]. 科技风, 2016, 7(17): 123-124. [9]姚玉璧, 张存杰, 邓振镛, 等. 气象、农业干旱指标综述[J]. 干旱地区农业研究, 2007, 25(1): 185-189. [10]陈小凤. 干旱指标研究现状与展望[J]. 治淮, 2016(2): 16-17. [11]李纯斌, 刘永峰, 吴静, 等. 基于BP神经网络和支持向量机的降水量空间插值对比研究——以甘肃省为例[J]. 草原与草坪, 2018, 38(4): 12-19. [12]袁美英, 周秀杰, 陈威. 人工神经网络在温度和降水预报中的应用[J]. 黑龙江气象, 2000(03): 17-19. [13]黎玥君. 基于BP神经网络的浙江省夏季降尺度降水的预报方法[D]. 南京信息工程大学, 2014. [14]Abbot J, Marohasy J. Input selection and optimisation for monthly rainfall forecasting in Queensland, Australia,using artificial neural networks[J]. Atmospheric Research, 2014, 138: 166-178. [15]黄小燕, 赵华生, 黄颖, 等. 遗传—神经网络集合预报方法在广西热带气旋降水预报中的应用[J]. 自然灾害学报, 2017, 26(06): 184-196. [16]董海彪, 卢文喜, 欧阳琦, 等. 小波神经网络在降水量预测中的应用研究[J]. 节水灌溉, 2014(12): 33-36. [17]董全, 黄小玉, 宗志平. 人工神经网络法和线性回归法对降水相态的预报效果对比[J]. 气象, 2013, 39(03): 324-332. [18]Toth E. Classification of hydro-meteorological conditions and multiple artificial neural networks for streamflow forecasting[J]. Hydrology and Earth System Sciences, 2009, 6(1): 897-919. [19]Singh P, Borah B. Indian summer monsoon rainfall prediction using artificial neural network[J]. Stochastic Environmental Research and Risk Assessment, 2013, 27(7): 1585-1599. [20]何昳颖, 陈晓宏, 张云, 等. 基于不同输入层的BP人工神经网络径流模拟研究[J]. 人民长江, 2015, 46(4): 16-20. [21]王建金, 石朋, 瞿思敏, 等. 改进BP神经网络算法在中小流域洪水预报中的应用研究[J]. 西安理工大学学报, 2016, 32(04): 475-480.
|
