基于遥感数据伊朗全国性干旱情况预测.doc

研究生课程考核试卷 （适用于课程论文、提交报告） 科 目： 人工神经网络基础 教 师： 郑洪英 姓 名： 张蓓蕾 学 号： 20131402037 专 业： 计算机软件与理论 类 别： （ 学术 ） 上课时间： 2013 年 10 月至20 13 年 12 月 考 生 成 绩： 卷面成绩 平时成绩 课程综合成绩 阅卷评语： 阅卷教师 (签名) 重庆大学研究生院制 基于遥感数据的伊朗全国性干旱情况预测 摘要：伊朗是世界上大面积遭受干旱的国家。干旱是一种由于缺少降水而引起的自然短暂性重复性的现象，这种现象会影响人们身体健康、给社会的经济增长和政治稳定带来不利的影响。有关旱灾的程度、持续时间、和覆盖空间的信息可以帮助决策者减少旱灾地区的损失，从而，减少因干旱而引起的其他危害。对伊朗干旱情况建模的一个最大的挑战是这个国家许多地区的长期的气象数据是无效的。基于卫星的可获得的遥感数据提供了植被情况和土地覆盖的信息。在这篇文章中，我们构建一个人工神经网络来模拟基于卫星图片的干旱情况。标准的沉淀物指数作为干旱程度度量。一系列的特征包括归一化植被指数、植被条件指数、温度条件指数被美国国家海洋和大气局的先进性甚高分辨辐射仪提取出来。这个模型接受这些特征作为输入并输出SPI值（干旱情况）。把这个模型应用在相关数据中，结果显示了这个人工神经网络可以以90%的准确度预测干旱的情况。我们还发现多层感知器比径向基网络要有好的结果而且支持矢量型机器预测干旱情况。 关键词：建模、预测、神经网络、数据挖掘、性能度量 1 引言 干旱是一系列影响世界上许多地区的一种最复杂的自然灾害之一。旱灾的严重程度通常通过许多因素的综合来度量，比如说降水量、温度、湿度、风、土壤湿度和河流流量等。由于干旱分布较广、发展过程较久、复杂多变、没有统一的定义所以让它的监控很困难。伊朗在过去的十年里遭受了严重的干旱而且被预测在未来的若干年中继续是干旱受害者。2008年最近一次的旱灾是发生在伊朗的大部分地区，结果造成了全国性经济的损失。伊朗频繁的旱灾起因主要是因为缺乏降雨，缺乏合适的水资源管理系统。如果在反常的高温下，即使降水量正常也会引起干旱。旱灾的危害可以通过合适的对干旱情况建模，管理可用的资源来减少。 旱灾通常有三种类型：气象的、农业的、水文学的。气象旱灾是一个有正常降水量的但是在一段时期内有显著性死亡的情况。有多种方法来量化旱灾的严重程度。Palmer旱涝指数和标准降水指数是最常用的度量方法之一。SPI已经被全球接受为最好的量化干旱程度的标准。SPI是降水量和一个具体时期的平均降水量的差，平均值和标准差是从气象资料中计算出来的。由于降水量数据不是正常分布的，一个合适的变化函数（如gamma变换函数）用来得到一个标准分布的数据。SPI比其他的干旱标准要好是因为可变的时间量程和降水量记录。它常用来用作干旱情况的实时监控和分析。 基于卫星的遥感数据可以用来有效的监控和预测环境问题。它们越来越多的被用于监控全球范围和干旱有关的植被的情况。从1980年开始，美国国家海洋和大气局的先进性甚高分辨辐射仪和卫星就用来抽取和水分有关的植被指数比如归一化植被指数、植被指数、温度指数。这些指数用来监控植被情况。因为先进型甚高分辨辐射仪的图像数据在大区域覆盖情况下具有高时间分辨率，所以被作为主要的用来绘制全球或者区域的植被情况根据时间变化的图。在这些标准中，归一化植被指数因为和植被活性及土壤湿度有关所以被广泛应用于植被和旱灾监控中。 在这篇文章中，我们开发了一个基于卫星图像的用来预测干旱程度的神经网络模型。这个模型把卫星图像的各个特征作为输入并输出SPI作为干旱程度的指示值。最后，我们抽取了1978年到2008年随时间变化的SPI值和从美国国家海洋和大气局的先进性甚高分辨辐射仪中的NDVI 、TCI和VCI指数。我们用若干神经网络体系结构来完成建模。最后结果显示了在建模和预测旱灾情况中最好的神经网络。我们的目标在于识别最好的用来对SPI表示的干旱情况建模的指数。我们考虑了三种人工神经网络模型，并比较了它们各自的性能。 2 相关的工作 许多学者研究了SPI和基于先进性甚高分辨辐射仪植被指数比如归一化植被指数和植被情况指数与干旱程度的联系。[17]开发了一个基于美国国家海洋和大气局检测的