检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于改进支持向量机的气象干旱预测方法

沈阳农业大学学报 2023年第5期54卷 599-606页

作者：王雪妮郝舒哲常建波邓显羽山西省地质调查院太原030006 太原理工大学水利科学与工程学院太原030024 中水东北勘测设计研究有限责任公司长春130021

气象干旱制约着区域农业生产活动,通过监测预报、提前部署可有效降低其带来的危害。基于“先分解,后重构”思想,将自适应噪声完备经验模态分解法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、灰狼... 详细信息

气象干旱制约着区域农业生产活动,通过监测预报、提前部署可有效降低其带来的危害。基于“先分解,后重构”思想,将自适应噪声完备经验模态分解法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、灰狼优化算法(grey wolf optimization,GWO)和支持向量机(support vector machine,SVM)相结合,构建CEEMDAN-GWO-SVM组合机器学习模型。以山西省1956−2007年逐月自适应帕默尔干旱指数(self-calibrated palmer drought severity index,scPDSI)为训练集,以2008−2020年逐月scPDSI值为测试集。采用scPDSI预测值与实际值之间的均方误差、平均绝对误差及决定系数作为评价指标,对该模型的预测效果进行了评价,并比较了该模型与常用的GWO-SVM和随机森林模型预测结果。结果表明:相较于两种常用机器学习模型,基于CEEMDAN-GWO-SVM模型预测得到的均方根误差可分别降低7.6%和19.5%,平均绝对误差分别降低19.9%和27.4%,决定系数则分别提高5.6%和20.3%,预测的干旱等级和实际情况接近。CEEMDAN-GWO-SVM模型预测精度优于GWO-SVM模型和随机森林模型,在气象干旱预测中具有较好的适用性。

关键词：自适应帕默尔干旱指数自适应噪声完备经验模态分解法灰狼优化算法支持向量机干旱预测山西省

基于Meta-Gaussian模型的中国农业干旱预测研究

在线全文

学校读者我要写书评

暂无评论

地理学报 2021年第3期76卷 525-538页

作者：吴海江粟晓玲张更喜西北农林科技大学水利与建筑工程学院杨凌712100 西北农林科技大学旱区农业水土工程教育部重点实验室杨凌712100

在全球气候变化背景下,干旱愈加频发,有效且可靠的农业干旱预测对于保障粮食安全和水资源安全具有重要意义。以标准化降水指数(SPI)和联合标准化土壤湿度指数(JSSI)分别表征气象干旱和农业干旱,以前期的气象干旱和农业干旱指数作为预测... 详细信息

在全球气候变化背景下,干旱愈加频发,有效且可靠的农业干旱预测对于保障粮食安全和水资源安全具有重要意义。以标准化降水指数(SPI)和联合标准化土壤湿度指数(JSSI)分别表征气象干旱和农业干旱,以前期的气象干旱和农业干旱指数作为预测因子,在1~3个月预见期下基于Meta-Gaussian(MG)模型对中国1961—2015年6—8月的农业干旱进行预测,并采用Brier Skill Score(BSS)和纳什效率系数(NSE)评价MG模型的预测性能。结果表明:(1)将1个月、3个月、6个月、9个月和12个月时间尺度的标准化土壤湿度指数(SSI)结合起来得到的JSSI能够对中国农业干旱的综合状况进行客观评价。(2)以中国2010年和2014年遭受严重的干旱事件为例,预见期为1~3个月时,除新疆南部、青海西部以及内蒙古西部等沙漠地区外,MG模型对6—8月农业干旱预测结果的分布范围与实际干旱的分布区域较吻合,预见期越短,吻合越好。(3)预见期为1个月时,6—8月BSS≥0.5的面积比例分别为0.714、0.642和0.640,NSE≥0.5的面积比例分别为0.903、0.829和0.837,表明MG模型能够对中国大部分区域的农业干旱作出可靠的预测。本文结果可为中国农业干旱的监测、预警及干旱决策提供科学指导。

关键词：农业干旱干旱预测预测概率 Meta-Gaussian模型

在线全文

学校读者我要写书评

暂无评论

深度学习方法在干旱预测中的应用

应用气象学报 2022年第1期33卷 104-114页

作者：米前川高西宁李玥李馨仪唐莹任传友沈阳农业大学农学院沈阳110866

使用标准化降水蒸散指数作为农业干旱的监测指标,以站点气象要素和大尺度环流要素为驱动变量,建立干旱预测模型,分析评价传统的整合移动平均自回归(ARIMA)时间序列模型以及不同深度神经网络模型(DNN)的预测效果。结果表明:DNN模型的总... 详细信息

使用标准化降水蒸散指数作为农业干旱的监测指标,以站点气象要素和大尺度环流要素为驱动变量,建立干旱预测模型,分析评价传统的整合移动平均自回归(ARIMA)时间序列模型以及不同深度神经网络模型(DNN)的预测效果。结果表明:DNN模型的总体预测能力优于ARIMA模型;同基于长短期记忆网络(LSTM)提出的传统LSTM预测模型(TLSTM)相比,改进的LSTM模型(ILSTM)通过预处理全连接层对预测因子进行非线性映射,能够自动剔除无效信息,提取高层次综合特征,可使预测序列和观测序列的相关系数提升0.04~0.25,均方根误差降低0.07~0.32,误差绝对值的平均降低0.06~0.27;卷积神经网络(CNN)可提取影响干旱变化的大尺度环流信息,其与ILSTM的组合深度网络模型(CLSTM)可进一步使相关系数提升0.03~0.44,均方根误差降低0.09~0.33,误差绝对值的平均降低0.05~0.26。CLSTM模型可应用于短期区域性干旱变化气候预测。

关键词：干旱预测标准化降水蒸散指数长短期记忆网络卷积神经网络深度学习

基于条件植被温度指数的夏玉米生长季干旱预测研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2020年第1期51卷 139-147页

作者：李俐许连香王鹏新齐璇王蕾中国农业大学土地科学与技术学院北京100083 农业农村部农业灾害遥感重点实验室北京100083 中国农业大学信息与电气工程学院北京100083

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站... 详细信息

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016-2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定;ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09;ARIMA模型在不同年份夏玉米生长季VTCI1~3步的预测精度稳定性较好,2016-2018年1步、2步和3步VTCI预测结果绝对误差绝对值大于0. 20的像素平均百分比分别为5. 84%、6. 38%、8. 72%。

关键词：夏玉米条件植被温度指数求和自回归移动平均模型季节性求和自回归移动平均模型干旱预测

基于VMD-GRU的大型灌区干旱预测模型研究

在线全文

学校读者我要写书评

暂无评论

中国农村水利水电 2023年第3期 130-137页

作者：李子阳王肖鑫张恩典余娟南京水利科学研究院水文水资源与水利工程科学国家重点实验室江苏南京210029 河海大学水利水电学院江苏南京210024 河南省赵口引黄灌区二期工程建设管理局河南开封475000

灌区干旱灾害的频繁发生严重制约了当地经济的发展,为了实现灌区内水资源的合理调配和利用,需对灌区未来的干旱情况进行有效预测,从而有针对性的采取预防措施降低干旱事件所造成的影响。基于“先分解,后重构”的思想,将能够对非线性、... 详细信息

灌区干旱灾害的频繁发生严重制约了当地经济的发展,为了实现灌区内水资源的合理调配和利用,需对灌区未来的干旱情况进行有效预测,从而有针对性的采取预防措施降低干旱事件所造成的影响。基于“先分解,后重构”的思想,将能够对非线性、非平稳时间序列进行预处理的变分模态分解VMD(Variational Mode Decomposition)与门控循环单元网络GRU(Gated Recurrent Unit)相结合,建立VMD-GRU干旱预测模型,针对赵口大型灌区4个气象站点1981-2017年的逐月降水数据构建标准化降水指数SPI时间序列并采用所建干旱预测模型和3个单一预测模型对SPI值进行预测,研究采用3个月的时间尺度计算标准化降水指数SPI进行干旱事件识别和等级划分。结果表明:4个气象站点VMD-GRU干旱预测模型SPI值预测结果的平均相对误差在18.7%~20.6%之间,预测误差较为稳定。VMD-GRU干旱预测模型的平均绝对误差MAE、均方误差MSE、均方根误差RMSE均为4种模型中最小,不同气象站点的3个评价指标值均分别接近,所建模型不存在过拟合或者欠拟合问题。利用游程理论识别干旱历时和干旱强度,以开封气象站为例,1981-2017年间干旱历时的预测准确率达到81.1%,实际干旱强度的整体波动趋势与预测干旱强度大体一致,两序列的皮尔逊相关系数达到0.961,表明所建VMD-GRU干旱预测模型能够较为准确地对灌区干旱进行预测,为大型灌区干旱预警提供一种可靠的研究方法。

关键词： VMD-GRU模型干旱预测游程理论标准化降水指数灌区

粒子群优化极限学习机模型在河南省干旱预测中的应用

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2023年第2期41卷 1-6页

作者：白浩男张玉田李琼芳韩幸烨杜尧和鹏飞周正模河海大学水文水资源学院江苏南京210098 江苏省水文水资源勘测局泰州分局江苏泰州225300 长江保护与绿色发展研究院江苏南京210098

干旱预测是提高防旱抗旱能力的重要非工程措施。在评价不同时间尺度标准化降水蒸散指数(SSPEI)对河南省干旱识别能力的基础上,以能有效表征河南省干旱状况的SSPEI为模型输出,以基于信息变化率和条件互信息的特征变量选择方法(ICR-CMIFS... 详细信息

干旱预测是提高防旱抗旱能力的重要非工程措施。在评价不同时间尺度标准化降水蒸散指数(SSPEI)对河南省干旱识别能力的基础上,以能有效表征河南省干旱状况的SSPEI为模型输出,以基于信息变化率和条件互信息的特征变量选择方法(ICR-CMIFS)筛选得到的河南省主要致旱气候系统指数为模型输入,构建了基于粒子群算法优化极限学习机(PSO-ELM)的干旱预测模型,通过对比该模型与标准极限学习机(ELM)、差分进化算法优化极限学习机(DE-ELM)模型的干旱预测结果,验证PSO-ELM模型在河南省干旱预测中的适用性。结果表明,SSPEI-3能有效识别河南省典型干旱事件,从时间和空间上可较准确地反映河南省干旱状况;ICR-CMIFS筛选出的河南省主要致旱气候系统指数为西太平洋副高面积指数和NINO指数;PSO-ELM模型能较准确地预测河南省干旱,且预测精度优于DE-ELM模型和标准ELM模型,在河南省干旱预测中具有较好的适用性。

关键词：干旱预测河南省标准化降水蒸散发指数气候系统指数 PSO-ELM

基于特征分析的关中地区干旱风险预测评估研究

在线全文

学校读者我要写书评

暂无评论

基于特征分析的关中地区干旱风险预测评估研究

作者：薛瑞华西安理工大学

学位级别：硕士

干旱是全球普遍存在的自然灾害,也是我国最严重的自然灾害之一,自古以来,干旱一直是导致粮食减产、水资源短缺和生态环境恶化的主要因素。结合干旱变化规律、干旱发展趋势,进行风险评估研究,可在干旱未造成严重的损失之间进行干预,采取... 详细信息

干旱是全球普遍存在的自然灾害,也是我国最严重的自然灾害之一,自古以来,干旱一直是导致粮食减产、水资源短缺和生态环境恶化的主要因素。结合干旱变化规律、干旱发展趋势,进行风险评估研究,可在干旱未造成严重的损失之间进行干预,采取恰当的措施缓解旱情,防止旱情蔓延,对干旱防治具有十分重要的意义。因此,本文首先进行了关中地区的干旱时空演变特征分析得到干旱变化规律;其次,采用多模型预测方法进行干旱预测模拟,筛选出适合关中地区的干旱预测模型;最后,基于干旱特征分析得到干旱危害性指标,基于干旱预测得到未来干旱严重程度指标,分别结合干旱脆弱性指标,构建两种干旱风险评价指数对关中地区的干旱风险进行评价,为制定防旱抗旱政策提供科学的依据。论文的主要研究成果如下:(1)基于标准化降水指数SPI研究关中地区干旱时空演变分析。基于SPI12干旱指数,采用M-K趋势检验法以及线性趋势线法,分析其时间变化规律,结果表明:1961-2020年间关中五市的干旱指数均呈下降的趋势;依据游程理论进行单变量干旱特征提取与干旱频率计算,分析不同地区的干旱历时、强度、峰值以及频率变化规律。(2)基于多元Copula的干旱重现期分析。根据游程理论识别出的干旱特征,采用贝叶斯框架下的马尔可夫链蒙特卡罗模拟算法进行Copula参数估计,依据评价指数筛选出最优Copula函数,对干旱历时与干旱强度、干旱强度与干旱峰值、干旱历时与干旱峰值进行多特征变量联合分析,得到关中地区重现期分布情况。分析结果可知,轻度与中度情况下的干旱重现期分布较为接近,重度干旱情况下短历时重现期主要分布在关中东南部地区。(3)基于多模型优选的干旱预测研究。采用SARIMA、online LSTM、offline LSTM三个独立模型,以及基于EEMD分解的EEMD-SARIMA模型、EEMD-online LSTM模型、EEMD-offline LSTM模型分别进行关中地区预见期为1个月、3个月和12个月的干旱预测。结果表明,对比单模型预测结果,组合模型的预测结果有了较大的提升,其中三种预见期的最优预测模型均为EEMD-offline LSTM模型。因此,采用EEMD-offline LSTM模型进行干旱指数预测,结果表明,未来一年的旱情整体较轻,在夏季部分地区可能出现干旱,但渭南市干旱情况较为严重,需要重点关注。(4)关中地区干旱影响因素分析及风险评估研究。干旱风险性受自然环境、人为活动、经济发展等多方面因素的综合影响,因此,本文以行政区为单位,以关中地区的5个城市为研究对象,构建了基于干旱危害性与干旱脆弱性的干旱风险评估综合指数DRI1,基于干旱脆弱性预测结果和未来干旱严重程度的未来干旱风险预测综合指数DRI2,分别进行干旱风险性评价,并利用Arc GIS10.1软件绘制关中地区干旱风险分区图。对比两种指数结果可知,未来干旱严重程度指标会导致风险等级发生一定变化,但总体来看铜川市风险较低,渭南市风险持续较高。利用因子贡献度模型进行三个指标层的因子贡献度计算,得到干旱风险的主要影响因子。根据主要影响因子与风险评价结果提出防灾减灾建议以供参考。

关键词：时空演变干旱预测干旱风险评估干旱影响因素

ARIMA-SVR组合模型在基于标准化降水指数干旱预测中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

干旱地区农业研究 2020年第2期38卷 276-282页

作者：许德合张棋黄会平华北水利水电大学地球科学与工程学院河南郑州450000 华北水利水电大学测绘与地理信息学院河南郑州450000

开展干旱预测是有效应对干旱风险的前提基础,本研究利用1951-2017年河南省郑州气象站点逐日降水量数据计算多尺度标准化降水指数(SPI),并建立了SPI序列自回归移动平均模型(ARIMA)和自回归移动平均与支持向量机回归组合模型(ARIMA-SVR),... 详细信息

开展干旱预测是有效应对干旱风险的前提基础,本研究利用1951-2017年河南省郑州气象站点逐日降水量数据计算多尺度标准化降水指数(SPI),并建立了SPI序列自回归移动平均模型(ARIMA)和自回归移动平均与支持向量机回归组合模型(ARIMA-SVR),对模型参数进行率定和验证后,利用所建立的模型对河南省郑州气象站点多尺度SPI值进行预测。借助均方根误差(RMSE)、平均绝对百分比误差(MAPE)对回归预测模型的有效性进行判定。结果表明:ARIMA-SVR组合模型在SPI1(1个月)和SPI12(12个月)的RMSE值分别为80.05和0.74,均低于ARIMA模型的92.25和1.24,说明ARIMA-SVR组合模型与单一的ARIMA模型对SPI的预测精度都与该指数的时间尺度长短有关,都随时间尺度的增加而逐渐提高;SPI12的两种模型预测精度均高于SPI1、SPI3(3个月)和SPI6(6个月)的预测精度。用实测数据与模型的预测数据相比较说明ARIMA-SVR组合模型相比于单一ARIMA模型预测精度更高,且能够很好拟合不同时间尺度的标准化降水指数。

关键词：干旱预测标准化降水指数 ARIMA-SVR组合模型 ARIMA模型 SVR模型

在线全文

学校读者我要写书评

暂无评论

基于智能算法的气象干旱预测研究

基于智能算法的气象干旱预测研究

作者：宋文辉华北水利水电大学

学位级别：硕士

在气候变化及人类活动的影响下,干旱灾害严重威胁着人民群众的生命和财产安全。针对当前气象干旱预测方法中存在的预测精度低、可信度差等问题,构建高精度的预测模型将为区域水资源的合理配置以及防旱抗旱提供理论支撑。本文以河南省三... 详细信息

在气候变化及人类活动的影响下,干旱灾害严重威胁着人民群众的生命和财产安全。针对当前气象干旱预测方法中存在的预测精度低、可信度差等问题,构建高精度的预测模型将为区域水资源的合理配置以及防旱抗旱提供理论支撑。本文以河南省三座城市为研究对象,从1951-2020年的河南省逐月气象数据入手,依据两种气象干旱指数,借助相关统计方法、模态分解算法、群体智能优化算法、时间序列预测算法等工具,分析气象干旱规律,以“分解-优化-集成”思路构建气象干旱混合预测模型并进行对比分析。论文主要的研究内容及结论如下:（1）气象干旱规律分析。为探究河南省安阳市、郑州市、信阳市两种气象干旱指数之间的规律,采用皮尔逊相关系数及统计分析方法进行分析。结果表明,三座城市两种气象干旱指数相关系数分别为0.95、0.95、0.98。轻旱、中旱平均每7个月、10个月发生一次;重旱、特旱平均每2年、4年发生一次。综合以上分析,两种气象干旱指数序列呈高度相关,且河南省气象干旱状况以轻旱、中旱为主。（2）气象干旱预测方式选择。为优选气象干旱预测方式,建立长短期记忆神经网络、门控循环单元、支持向量机回归三种机器学习模型,分别通过直接与间接两种方式对气象干旱进行预测。在方式一中,对气象干旱指数直接预测;在方式二中,先预测特征,然后计算得到相应的气象干旱指数。结果表明,相较于间接预测,直接预测的平均绝对误差降低了34.72%;均方根误差降低了53.65%。综合分析表明,在气象干旱预测中直接预测方式精确度更高、更具优势。（3）气象干旱短期预测。为提高短期气象干旱预测精度,基于分解算法、深度学习算法,采用“分解-集成”的预测思路对基础模型进行改进,构建智能预测模型。利用变分模态分解（Variational Mode Decomposition,VMD）将气象干旱序列分解,采用卷积神经网络（Convolutional Neural Network,CNN）与注意力模块改进双向长短期记忆神经网络（Bi-directional Long Short-term Memory,Bi LSTM）,搭建CNN-ABi LSTM预测模型,最终构建VMD-CNN-ABi LSTM气象干旱混合预测模型。对比单一LSTM模型,预测精度提高了0.87倍,表明所提模型可较好地用于短期气象干旱预测。（4）气象干旱中长期预测。为提高中长期气象干旱预测精度,基于分解算法、优化算法、深度学习算法,采用“分解-优化-集成”的预测思路构建混合预测模型。利用VMD将气象干旱序列分解为若干本征模态分量;利用改进的混沌量子粒子群算法（Chaotic Quantum Particle Swarm Optimiztaion,CQPSO）优化门控循环单元（Gated Recurrent Unit,GRU）神经网络超参数;构建VMD-CQPSO-GRU气象干旱混合预测模型。相比单一GRU模型,预测精度提高了50.40%,且模型可信度极大提升。综合分析表明,所提模型可较好地用于中长期气象干旱预测。本文以提高气象干旱预测精度为目标,分析了气象干旱规律、优选了预测方式、搭建了预测模型,并对两种所提气象干旱混合预测模型进行了对比。结果表明,两种模型误差均值分别为0.14、0.12,纳什效率系数均值分别为0.92、0.94。综合以上信息,两种气象干旱预测模型性能相近。所提模型及方法可为气象干旱预测提供思路,为区域抗旱减灾提供参考。

关键词：干旱预测深度学习模态分解优化算法混合模型