基于多项式与神经网络的陇南林区降水量预测模型.docVIP

基于多项式与神经网络的陇南林区降水量预测模型 　　摘要 本文基于径向基函数（radial basis function，RBF ）神经网络非线性映射能力强、学习收敛快的特点，结合降雨量预测时全年各月降水量对待测月份降水量的相关性，提出一种多项式与径向基函数神经网络混合预测模型，并利用甘肃陇南各林区1944―2011年月降水量为样本对模型进行验证。仿真结果表明：在相同的样本空间下，本文预测模型与一般神经网络相比较，在降水量丰富的月份预测值与实际值误差更小，且收敛速度更快。 　　关键词 降水量；多项式预测；陇南林区 　　中图分类号 P426 文献标识码 A 文章编号 1007-5739（2016）14-0201-03 　　Precipitation Forecast Model of Forest Areas in Longnan Based on Polynomial and Neural Network 　　GAO Chao 1 LIU Li 2 * 　　（1 Zhoukou Meteorological Bureau in Henan Province，Zhoukou Henan 466000； 2 Longnan Meteorological Bureau in Gansu Province） 　　Abstract Based on the characteristics of the nonlinear mapping ability and fast convergence of self-learning of Radial Basis Function（RBF）neural network，combining with the relevance between rainfall amount of other months and rainfall amount of predicted month，a hybrid prediction model combined polynomial and RBF neural network was proposed.Utilizing the sample about monthly rainfall of Longnan of Gansu from 1944 to 2011，the model was tested by numerical experiments.By utilizing the same sample space，the numerical results showed that the model set up in this paper had less error between prediction value and actual value，and faster convergent speed than that modeled by the common neural network. 　　Key words precipitation；polynomial prediction；Longnan forest areas 　　过去50年中，随着全球气候变暖，极端天气事件特别是强降水、高温热浪等极端事件呈现不断增多增强的趋势，全球每年都因此造成不同程度的人员伤亡与经济损失，严重威胁着人类社会经济活动的正常运转[1]。我国西部属于黄土地区，普遍发育着崩塌、滑坡、泥石流灾害，尤其是西南诸省区，长期处于地壳上隆过程中，地震活动频繁，地质构造复杂、地形切割剧烈、岩土体支离破碎[2]，甘肃省陇南市山大沟深，在地震、崩塌、滑坡等自然因素和人为破坏下，形成以岩石碎屑为主的坡积、堆积层，致使几乎所有的降水都伴有局部洪水、泥石流、滑坡等地质灾害，给当地工农业生产和人民生命财产带来极大的威胁。因此，开展未来降水量的准确预测对农业管理和防灾减灾具有重要意义。 　　降水量具有显著的非线性和时变性，用一般的回归模型很难揭示其变化规律。目前，为了应对随机的非线性降水量问题国内外有多种预测方法，文献[3-5]提出基于概率论和随机过程理论的马尔可夫模型进行预测，根据状态之间的转移概率来推测系统未来发展变化，但由于马尔科夫链在给定当前信息的情况下，以前的历史状态对于预测将来是无关的，而月降水量之间具有相关性，因此传统的马尔可夫链不能完全解决降水量预测问题。文献[6-8]利用灰色系统理论预测降水量，其研究对象是部分已知、部分未知的“小样本”的不确定性系统，在对观测资料分析的基础上，采用科学合理的数学方法减少不确定因素的影响，构建具有预测功能的灰色模型。但由于降水序列波动较大，传统的灰色模型所得到的降水模拟值和预测值往往趋于平均值，因此对于波